基于生成对抗网络的非专家到专家运动翻译
机器人学
2025-08-29 v1 系统与控制
系统与控制
摘要
全球技能工人数量减少是一个极其严重的问题。为应对这一问题，研究从专家向机器人进行技能迁移，这些方法通过人类运动来教授机器人，称为仿照学习。专家的技能通常不仅体现在位置数据中，也体现在力数据中。因此，需要保存并复现位置和力数据。为实现这一目标，已进行大量研究，基于运动复制系统的框架。近期研究使用机器学习方法生成运动命令，但大多数方法无法通过遵循人类意图来改变任务。一些方法可以通过条件训练来改变任务，但标签有限。因此，我们提出了一种基于生成对抗网络的灵活运动翻译方法。该方法使用户能够通过输入数据来教授机器人任务，通过训练好的模型来实现技能。我们使用一个3自由度书法机器人来评估所提出的系统。
引用
@article{arxiv.2508.20740,
title = {Non-expert to Expert Motion Translation Using Generative Adversarial Networks},
author = {Yuki Tanaka and Seiichiro Katsura},
journal= {arXiv preprint arXiv:2508.20740},
year = {2025}
}