RoboAssembly：在新型多机器人接触丰富仿真环境中学习可泛化的家具装配策略
机器人学
2021-12-21 v1 人工智能
计算机视觉与模式识别
机器学习
多智能体系统
摘要
零件装配是机器人学中典型但具挑战性的任务，机器人将一组独立零件组装成完整形状。本文中，我们开发了一个用于家具装配的机器人装配仿真环境。我们将零件装配任务表述为一个具体的强化学习问题，并提出一套流水线使机器人学习装配多种不同的椅子。实验表明，在测试未见过的椅子时，我们的方法在以物体为中心设定下成功率达 74.5%，在完整设定下达 50.0%。我们采用 RRT-Connect 算法作为基线，其在长得多计算时间后仅达 18.8% 成功率。补充材料与视频发布于我们的项目网页。
引用
@article{arxiv.2112.10143,
title = {RoboAssembly: Learning Generalizable Furniture Assembly Policy in a Novel Multi-robot Contact-rich Simulation Environment},
author = {Mingxin Yu and Lin Shao and Zhehuan Chen and Tianhao Wu and Qingnan Fan and Kaichun Mo and Hao Dong},
journal= {arXiv preprint arXiv:2112.10143},
year = {2021}
}
备注
Submitted to IEEE International Conference on Robotics and Automation (ICRA) 2022