机器人空气曲棍球：一个用于强化学习机器人操作的测试平台
机器人学
2024-05-07 v1 人工智能
摘要
强化学习是学习复杂策略的有前途的工具，即使在快速移动和物体交互的领域，人类远程操作或硬编码策略可能失败。为了有效反映这类具有挑战性的任务类别，我们引入了一个基于机器人空气曲棍球的动态、交互式RL测试平台。通过用空气曲棍球增加一系列任务，从简单的任务如到达，到挑战性的任务如用冰球击打方块，以及基于目标和人类交互的任务，我们的测试平台允许对RL能力进行多样化的评估。机器人空气曲棍球测试平台还支持三个领域的模拟到真实迁移：两个保真度递增的模拟器和一个真实机器人系统。使用通过两个远程操作系统收集的演示数据数据集：虚拟化控制环境和人类影子，我们通过行为克隆、离线RL和从头开始的RL评估了测试平台。
引用
@article{arxiv.2405.03113,
title = {Robot Air Hockey: A Manipulation Testbed for Robot Learning with Reinforcement Learning},
author = {Caleb Chuck and Carl Qi and Michael J. Munje and Shuozhe Li and Max Rudolph and Chang Shi and Siddhant Agarwal and Harshit Sikchi and Abhinav Peri and Sarthak Dayal and Evan Kuo and Kavan Mehta and Anthony Wang and Peter Stone and Amy Zhang and Scott Niekum},
journal= {arXiv preprint arXiv:2405.03113},
year = {2024}
}