面向机器人物体推操作的精度聚焦强化学习模型
机器人学
2024-11-14 v1 人工智能
摘要
非抓取操作，例如将物体推至期望的目标位置，是机器人在日常情境中协助人类的一项重要技能。然而，由于物体种类繁多，且具有不同且有时未知的物理属性（如形状、尺寸、质量和摩擦系数），该任务具有挑战性。这可能导致物体超过其目标位置，需要机器人围绕物体进行快速的修正运动，尤其是在需要精确推动物体的情况下。在本文中，我们通过引入一种新的基于记忆的视觉-本体感觉强化学习模型，改进了现有技术水平，该模型能够使用更少的修正运动将物体更精确地推至目标位置。
引用
@article{arxiv.2411.08622,
title = {Precision-Focused Reinforcement Learning Model for Robotic Object Pushing},
author = {Lara Bergmann and David Leins and Robert Haschke and Klaus Neumann},
journal= {arXiv preprint arXiv:2411.08622},
year = {2024}
}