基于条件生成对抗网络的抛掷机器人兼顾情境的运动生成
机器人学
2019-10-09 v1 机器学习
摘要
当机器人在杂乱环境中工作时，运动的约束频繁变化，且即使对同一任务所需动作也可能改变。然而，通过直接计算规划复杂运动存在陷入不良局部最优的风险。此外，机器学习方法往往需要对新情境重新学习。在本文中，我们提出一种利用条件生成对抗网络（cGANs）搜索合适运动的方法，该网络可通过模仿训练数据集基于条件生成运动。通过对某项任务的各种运动训练 cGANs，其潜空间被该任务的有效运动填满。通过在训练后 cGANs 的潜空间中而非运动空间中搜索，可高效找到合适运动，同时避免不良的局部最优。我们证明了所提方法在数值仿真与真实机器人实验中均能成功用于给定目标位置的物体抛掷任务。与直接搜索动作空间相比，所提方法的精度提高了三倍，计算时间加快了 2.5 倍。
引用
@article{arxiv.1910.03253,
title = {Motion Generation Considering Situation with Conditional Generative Adversarial Networks for Throwing Robots},
author = {Kyo Kutsuzawa and Hitoshi Kusano and Ayaka Kume and Shoichiro Yamaguchi},
journal= {arXiv preprint arXiv:1910.03253},
year = {2019}
}