基于自适应动力学原语的单次稳健模仿学习：用于从未分段演示中学习长时程视觉运动任务
机器人学
2024-10-03 v1
摘要
与单技能任务不同，长时程任务在我们日常生活中发挥着关键作用，例如倒水任务需要正确地串联到达、抓取和倒水等子任务。作为将人类技能有效转移到机器人方面的解决方案，模仿学习在过去二十年里取得了很大进展。然而，当学习长时程视觉运动技能时，模仿学习通常需要大量语义分段演示。此外，模仿学习的性能可能容易受到外部扰动和视觉遮挡的影响。本文我们利用动力学运动原语和元学习，提供了一种新的模仿学习框架，称为基于自适应动力学原语的元模仿学习（MiLa）。MiLa 允许从未分段的长时程演示中进行学习，并能通过单个演示适应未见任务。MiLa 还能在任务执行期间抵抗外部干扰和视觉遮挡。实际机器人实验表明，MiLa 的优势在于无论视觉遮挡和随机扰动如何，都能体现出来。
引用
@article{arxiv.2410.01630,
title = {One-Shot Robust Imitation Learning for Long-Horizon Visuomotor Tasks from Unsegmented Demonstrations},
author = {Shaokang Wu and Yijin Wang and Yanlong Huang},
journal= {arXiv preprint arXiv:2410.01630},
year = {2024}
}
备注
15 pages, 6 figures