基于参数化执行模型证伪的机器人动作诊断与经验修正
机器人学
2021-05-21 v1
摘要
当面临执行失败时，智能机器人应能够识别失败的可能原因并相应地调整其执行策略。本文探讨了如何利用以学习到的约束形式表达的关于执行过程的知识，以指导诊断与经验获取过程。具体而言，我们提出了两种在失败诊断与执行模型学习之间建立协同的方法。我们首先提出一种用于诊断参数化动作执行模型执行失败的方法，该方法搜索违反已学先验条件模型的动作参数。随后我们开发了一种策略，利用诊断过程的结果生成更可能导向成功执行的合成数据，从而增加可用于学习的经验集合。该诊断与经验修正方法在把手抓取问题上进行了评估，我们通过实验证明了诊断算法的有效性，并表明修正后的失败经验有助于提升机器人的执行成功率。
引用
@article{arxiv.2105.09599,
title = {Robot Action Diagnosis and Experience Correction by Falsifying Parameterised Execution Models},
author = {Alex Mitrevski and Paul G. Plöger and Gerhard Lakemeyer},
journal= {arXiv preprint arXiv:2105.09599},
year = {2021}
}
备注
Accepted for publication at the 2021 IEEE International Conference on Robotics and Automation (ICRA)