基于双延迟DDPG的神经风格迁移用于机器人操纵器共享控制
机器人学
2024-02-02 v1 人工智能
机器学习
神经与进化计算
摘要
神经风格迁移（NST）指一类能够操纵元素（通常是图像）以采用另一元素外观或风格的算法。每个元素被定义为内容和风格的组合：内容可概念性地定义为“什么”，风格定义为“如何”。在此背景下，我们提出一个自定义的NST框架，用于将一组风格迁移到机器人操纵器的运动上，例如，相同的机器人任务可以以愤怒、快乐、平静或悲伤的方式执行。一个自编码器架构提取并定义目标机器人运动的内容和风格。一个双延迟深度确定性策略梯度（TD3）网络使用自编码器定义的损失生成机器人控制策略。所提出的神经策略风格迁移TD3（NPST3）通过引入训练好的风格来改变机器人运动。这种方法可以离线实现，用于在动态环境中执行自主机器人运动，也可以在线实现，用于在运行时调整远程操作机器人的风格。所考虑的风格可以从人类演示中在线学习。我们进行了一项包含73名志愿者的评估，要求他们识别一些代表性机器人运动背后的风格。结果显示良好的识别率，证明使用这种方法可以向机器人传达不同的风格。
引用
@article{arxiv.2402.00722,
title = {Neural Style Transfer with Twin-Delayed DDPG for Shared Control of Robotic Manipulators},
author = {Raul Fernandez-Fernandez and Marco Aggravi and Paolo Robuffo Giordano and Juan G. Victores and Claudio Pacchierotti},
journal= {arXiv preprint arXiv:2402.00722},
year = {2024}
}