物体组合不确定性下的 POMDP 操作规划
机器人学
2020-10-27 v1
摘要
在杂乱环境中操纵未知物体是困难的，因为将场景分割为物体的过程（即物体组合）具有不确定性。由于这种不确定性，先前的工作要么集中于识别“最佳”物体组合并据此决定操纵动作，要么试图贪婪地收集关于“最佳”物体组合的信息。与先前工作相反，我们 1) 在规划中利用不同的可能物体组合，2) 利用机器人动作提供的物体组合信息，3) 考虑不同竞争性物体假设对实际待执行任务的影响。我们将操纵规划问题建模为部分可观测马尔可夫决策过程（POMDP），该过程在物体组合的可能假设上进行规划。POMDP 模型选择使长期期望任务特定效用最大化的动作，并在这样做时考虑信息性动作的价值以及不同物体假设对任务完成的影响。在仿真以及使用 RGB-D 传感器、Kinova Jaco 和 Franka Emika Panda 机械臂的实验中，一种概率方法优于仅考虑最可能物体组合的方法，且长期规划优于贪婪决策。
引用
@article{arxiv.2010.13565,
title = {POMDP Manipulation Planning under Object Composition Uncertainty},
author = {Joni Pajarinen and Jens Lundell and Ville Kyrki},
journal= {arXiv preprint arXiv:2010.13565},
year = {2020}
}