robot_gym：通过云端结合 ROS 与 Gazebo 的仿真加速机器人训练
机器人学
2018-08-31 v1 人工智能
机器学习
摘要
相较于编程，训练使机器人能够获得泛化性更好且能响应真实世界需求的行为。然而，此类训练需要大量实验，这对物理机器人而言并非总是可行。在这项工作中，我们提出 robot_gym，一个通过云端仿真加速机器人训练的框架，其利用机器人学家的工具，简化了在真实机器人上的开发与部署流程。我们揭示，对于简单任务，简单的 3DoF 机器人需要超过 140 次尝试来学习。对于更复杂的 6DoF 机器人，同一任务的尝试次数增加到超过 900 次。我们证明，对于简单任务，我们的框架将机器人训练时间加速了超过 33%，同时保持相似的精度与可重复性水平。
引用
@article{arxiv.1808.10369,
title = {Robot_gym: accelerated robot training through simulation in the cloud with ROS and Gazebo},
author = {Víctor Mayoral Vilches and Alejandro Hernández Cordero and Asier Bilbao Calvo and Irati Zamalloa Ugarte and Risto Kojcev},
journal= {arXiv preprint arXiv:1808.10369},
year = {2018}
}