从运动数据识别可重构机器人
机器人学
2024-03-18 v1
摘要
将大型语言模型（LLM）和视觉语言模型（VLM）与机器人系统集成，使机器人能够处理和理解复杂的自然语言指令和视觉信息。然而，一个基本挑战依然存在：机器人若要充分利用这些进步，必须对其物理具身有深刻理解。AI 模型的认知能力与对物理具身理解之间的差距引出了以下问题：机器人能否通过与环境的交互自主理解并适应其物理形态和功能？这个问题凸显了向开发不依赖外部感官或预编程结构知识的自建模机器人的转变。在此，我们提出一种元自建模方法，能够通过本体感觉（对位置和运动的内部感知）推断机器人形态。我们的研究引入了一款 12 自由度的可重构腿式机器人，并附带包含 20 万种独特构型的多样化数据集，以系统地研究机器人运动与机器人形态之间的关系。利用由机器人签名编码器和构型解码器组成的深度神经网络模型，我们展示了系统从本体感觉信号中准确预测机器人构型的能力。本研究为机器人自建模领域做出贡献，旨在增强机器人在真实场景中对物理具身的理解与适应性。
引用
@article{arxiv.2403.10496,
title = {Reconfigurable Robot Identification from Motion Data},
author = {Yuhang Hu and Yunzhe Wang and Ruibo Liu and Zhou Shen and Hod Lipson},
journal= {arXiv preprint arXiv:2403.10496},
year = {2024}
}