基于拓扑表示的全身臂操作人体运动强化学习
机器人学
2018-09-13 v1 人工智能
机器学习
摘要
移动人体或庞大笨重物体可能需要全身臂操作（WAM）的力量。此类操作将负载置于机器人手臂上，并依赖交互的全局特性而非局部接触（如抓取或非预握推）来成功。在本文中，我们学习生成能够实现 WAM 以在特定救援或病患护理场景中抱持与运送人体的运动。我们将该任务建模为强化学习问题，以提供可直接响应外部扰动与人运动的行为。为此，我们用基于拓扑的坐标表示机器人-人交互的全局特性，这些坐标由手臂与躯干位置计算而得。这些坐标也允许将所学策略迁移至其他体型与尺寸。为训练与评估，我们模拟动态海上救援场景，并通过定量实验表明该策略可解决具有不同体型人类、漂浮人类或带有感知噪声的未见场景。我们的定性实验显示抱持后的后续运送得以实现，并证明该策略可直接迁移至真实世界环境。
引用
@article{arxiv.1809.04322,
title = {Reinforcement Learning in Topology-based Representation for Human Body Movement with Whole Arm Manipulation},
author = {Weihao Yuan and Kaiyu Hang and Haoran Song and Danica Kragic and Michael Y. Wang and Johannes A. Stork},
journal= {arXiv preprint arXiv:1809.04322},
year = {2018}
}
备注
Submitted to RA-L with ICRA 2019