人机环境中机械臂操作的可靠安全深度强化学习
机器人学
2022-05-16 v1 人工智能
摘要
深度强化学习（RL）在机械臂运动规划中已显示出有前景的结果。然而，在基于RL的机械臂控制中，尚无方法能保证诸如人类等高度动态障碍物的安全。这种形式化安全保证的缺失阻碍了RL在真实世界人类环境中机械臂的应用。因此，我们提出一种屏蔽机制，在机械臂上训练和部署RL算法时确保ISO认证的人类安全。我们利用对人和机械臂的快速可达性分析，保证机械臂在人类进入其范围之前完全停止。我们提出的方法保证安全，并通过防止导致回合结束的碰撞显著提升了RL性能。我们利用人体动作捕捉数据在仿真中展示了所提方法的性能。
引用
@article{arxiv.2205.06311,
title = {Provably Safe Deep Reinforcement Learning for Robotic Manipulation in Human Environments},
author = {Jakob Thumm and Matthias Althoff},
journal= {arXiv preprint arXiv:2205.06311},
year = {2022}
}
备注
Accepted for ICRA 2022