从像素到规划：通过模仿规划器学习非抓取式操作
机器人学
2019-04-09 v1
摘要
我们提出了一种新方法，使机器人能够通过利用运动规划器从少量人工标记数据生成“专家”训练轨迹来快速学习操作物体。与传统感知-规划-执行循环相反，我们提出了一种称为 PtPNet 的深度学习架构与训练方案，它可直接从物体的单张 RGB-D 图像估计有效的末端执行器轨迹以进行操作。此外，我们提出了一种数据收集与增强流程，能够以几乎无人工标注成本自动生成大量（数百万）训练图像与轨迹样例。我们在非抓取式基于工具的操作任务中展示了我们的方法，具体为用钩子捡起鞋子。在硬件实验中，PtPNet 生成的动作规划（开环轨迹）可靠地（189 次试验中 89% 成功率）从一系列位置与朝向上捡起四只差异很大的鞋子，并可靠地捡起一只从未见过的新鞋。与传统感知-规划-执行范式相比，我们的系统具有如下优势：基于稀疏信息（单张 RGB-D 帧）运行、比“专家”规划器更快地生成高质量轨迹（300ms 对比数秒），以及对先前未见过的鞋子有效泛化。
引用
@article{arxiv.1904.03260,
title = {Pixels to Plans: Learning Non-Prehensile Manipulation by Imitating a Planner},
author = {Tarik Tosun and Eric Mitchell and Ben Eisner and Jinwook Huh and Bhoram Lee and Daewon Lee and Volkan Isler and H. Sebastian Seung and Daniel Lee},
journal= {arXiv preprint arXiv:1904.03260},
year = {2019}
}
备注
8 pages