利用域随机化的基于强化学习的拟人机器人抓取仿生反射控制
机器人学
2024-10-28 v1 人工智能
机器学习
摘要
在机器人抓取中实现人类级别的灵巧性仍然是一项具有挑战性的任务。机器手在物体操作过程中经常遇到滑动与变形，而人类由于其感觉受体、经验学习和运动记忆，很少遇到这些问题。在机器手中模拟人类抓取反射被称为“仿生反射”。过去在仿生反射控制领域的尝试主要依赖于基于模型和监督学习的方法，在阈值设定和标注任务中需要人工干预。在本研究中，我们引入了一种创新的仿生反射控制流程，利用强化学习(RL)；从而消除了控制设计过程中对人工干预的需求。我们提出的仿生反射控制器已在拟人手上设计与测试，在 PyBullet 物理模拟器中操作可变形物体，并结合域随机化(DR)以增强 Sim2Real 可迁移性。我们的研究结果突显了 RL 作为推进拟人机器手仿生反射控制的有力工具的前景。我们预期，这种自主的、基于 RL 的仿生反射控制器将推动可靠且高效的机器手与假手的发展，彻底改变人机交互与辅助技术。
关键词
引用
@article{arxiv.2312.05023,
title = {Reinforcement Learning-Based Bionic Reflex Control for Anthropomorphic Robotic Grasping exploiting Domain Randomization},
author = {Hirakjyoti Basumatary and Daksh Adhar and Atharva Shrawge and Prathamesh Kanbaskar and Shyamanta M. Hazarika},
journal= {arXiv preprint arXiv:2312.05023},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication