基于等变模型的机器人抓取学习
机器人学
2023-06-13 v1 人工智能
摘要
由于抓取动力学的随机性和硬件中的噪声，真实世界中的抓取检测具有挑战性。理想情况下，系统将通过直接在物理系统上训练来适应真实世界。然而，由于大多数抓取学习模型需要大量训练数据，这通常是困难的。在本文中，我们注意到平面抓取函数是-等变的，并证明该结构可用于约束学习过程中使用的神经网络。这创造了一种归纳偏置，可显著提高抓取学习的样本效率，并能够在物理机器人上从零开始进行端到端训练，仅需少至次抓取尝试。我们将此方法称为对称抓取学习(SymGrasp)，并表明它能够在少于1.5小时的物理机器人时间内“从零开始”学习抓取。
引用
@article{arxiv.2306.06489,
title = {On Robot Grasp Learning Using Equivariant Models},
author = {Xupeng Zhu and Dian Wang and Guanang Su and Ondrej Biza and Robin Walters and Robert Platt},
journal= {arXiv preprint arXiv:2306.06489},
year = {2023}
}
备注
Accepted in Autonomous Robot. arXiv admin note: substantial text overlap with arXiv:2202.09468