面向动态速度与位置变化的抓取移动物体的实时运动生成与数据增强
机器人学
2023-09-25 v1
摘要
尽管深度学习使真实机器人能够执行过去难以实现的复杂任务，但挑战在于真实环境中大量的试错与示教。由于移动物体具有动态特性，其操控需要学习物体位置、运动速度以及抓取时机等广泛因素。我们提出了一种数据增强方法，以低成本使机器人能够抓取具有不同速度和抓取时机的移动物体。具体而言，通过遥操作教导机器人抓取低速运动的物体，并通过对机器人传感器数据在时间序列方向上进行下采样与填充，生成具有不同速度和抓取时机的多组数据。通过学习时间序列中的多组传感器数据，机器人能够在面对未学习过的运动速度和突发速度变化时，调整抓取时机以生成运动。我们使用真实机器人证明，该数据增强方法有助于学习物体位置与速度之间的关系，并使机器人能够对未学习过的位置以及位置和速度动态变化的物体执行鲁棒的抓取运动。
引用
@article{arxiv.2309.12547,
title = {Real-time Motion Generation and Data Augmentation for Grasping Moving Objects with Dynamic Speed and Position Changes},
author = {Kenjiro Yamamoto and Hiroshi Ito and Hideyuki Ichiwara and Hiroki Mori and Tetsuya Ogata},
journal= {arXiv preprint arXiv:2309.12547},
year = {2023}
}