面向机器人学习的冗余感知动作空间
机器人学
2024-06-07 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
关节空间和任务空间控制是机器人学习文献中控制机器人手臂的两种主要动作模式。关节空间中的动作提供了对机器人姿态的精确控制，但往往训练效率低下；任务空间中的动作具有数据高效的训练优势，但由于对完整关节构型的控制有限，牺牲了在受限空间中执行任务的能力。本文分析了设计机器人操作动作空间的标准，并引入了ER（末端执行器冗余），一种新颖的动作空间公式，通过解决机械臂中存在的冗余，旨在结合关节空间和任务空间的优点，为过驱动机械臂提供细粒度的全面控制，同时实现高效的机器人学习。我们提出了ER的两种实现，ERAngle (ERA) 和 ERJoint (ERJ)，并且我们表明ERJ在多种设置下表现出优越的性能，特别是在需要对机器人构型进行精确控制时。我们在模拟和真实机器人环境中验证了我们的结果。
引用
@article{arxiv.2406.04144,
title = {Redundancy-aware Action Spaces for Robot Learning},
author = {Pietro Mazzaglia and Nicholas Backshall and Xiao Ma and Stephen James},
journal= {arXiv preprint arXiv:2406.04144},
year = {2024}
}
备注
Published in the RA-L journal