基于强化学习与虚拟视觉伺服的多原木抓取

我们在仿真环境中探索使用强化学习和虚拟视觉伺服进行多原木抓取，以实现自动化 forwarding。森林作业自动化是一大挑战，且由于非结构化和恶劣的户外环境，许多关于机器人控制的技术带来不同挑战。抓取多根原木涉及动力学与路径规划的各种问题，其中理解抓斗、原木、地形和障碍物之间的相互作用需要视觉信息。为应对这些挑战，我们将图像分割与起重机控制分离，并利用虚拟相机从重建的 3D 数据提供图像流。我们使用笛卡尔控制以简化到实际应用的域迁移。由于原木堆是静态的，在使用真实相机数据之前，利用原木堆及其周围环境的 3D 重建进行视觉伺服等同于使用真实相机数据。这放宽了图像分割挑战在计算资源和时间上的限制，并允许在原木堆未被遮挡的情况下收集数据。缺点是在抓取过程中缺乏信息。我们证明该问题是可处理的，并给出了一个能从 2–5 根原木的困难堆中成功抓取一根或多根原木且成功率达 95% 的智能体。