基于视觉、运动觉与力特征并通过在线适应变化环境的机器人模仿
机器人学
2019-10-24 v3 机器学习
神经与进化计算
摘要
连续目标导向动作（Continuous Goal-Directed Actions, CGDA）是一种将动作编码为其对环境所产生变化的机器人模仿框架。尽管相对于其他机器人模仿框架在泛化性与可移植性方面具有诸多优势，但用于执行动作的最终机器人关节轨迹并不一定编码于模型之中。这被作为一个优化问题来研究，其解通过进化算法在仿真环境中计算。进化算法需要大量评估次数，这使得此类算法在真实世界应用中的使用极具挑战性。本文提出在线进化策略，作为 CGDA 执行中的一种范式转变。在线进化策略将运动执行移入并合并至规划循环中。提出了一种具体的在线进化策略——在线演化轨迹（Online Evolved Trajectories, OET）。OET 大幅降低了运动执行之间的计算时间，并使得在真实世界动态环境和/或人机协作中工作成为可能。其性能已与全轨迹演化（Full Trajectory Evolution, FTE）和增量演化轨迹（Incrementally Evolved Trajectories, IET）进行了对比测量，获得了最佳的综合结果。实验评估在 TEO 全尺寸人形机器人上以“涂漆”和“熨烫”动作执行，这些动作共同涉及视觉、运动觉和力特征。
引用
@article{arxiv.1807.09177,
title = {Robot Imitation through Vision, Kinesthetic and Force Features with Online Adaptation to Changing Environments},
author = {Raul Fernandez-Fernandez and Juan G. Victores and David Estevez and Carlos Balaguer},
journal= {arXiv preprint arXiv:1807.09177},
year = {2019}
}
备注
2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2018)