遮挡环境下用于物体操控的主动视觉强化学习
机器人学
2019-02-19 v2 计算机视觉与模式识别
机器学习
摘要
我们考虑人工智能体学习联合控制其夹爪与相机，以在存在干扰物体遮挡的情况下，通过强化学习操控策略。干扰物常遮挡目标物体并使其移出视野。我们提出手/眼控制器，学习移动相机以使物体保持在视野内且可见，并协同操控物体以实现期望目标，例如将其推至目标位置。我们在演员-评论家（actor-critic）架构中融入以物体为中心的注意力的结构偏置，实验表明这是取得良好性能的关键。我们的结果进一步凸显了针对环境难度设置课程（curriculum）的重要性。所得到的主动视觉/操控策略在多种杂乱环境中优于静态相机设置。
引用
@article{arxiv.1811.08067,
title = {Reinforcement Learning of Active Vision for Manipulating Objects under Occlusions},
author = {Ricson Cheng and Arpit Agarwal and Katerina Fragkiadaki},
journal= {arXiv preprint arXiv:1811.08067},
year = {2019}
}
备注
The paper was present in Conference of Robot Learning 2018