通过可微影子程序反演进行机器人程序参数推断
机器人学
2022-07-15 v2 人工智能
机器学习
摘要
具有挑战性的操作任务可通过组合单个机器人技能来有效解决，这些技能必须针对具体的物理环境与手头任务进行参数化。这对人类程序员而言耗时且困难，尤其对于力控技能。为此，我们提出影子程序反演（SPI），一种直接从数据推断最优技能参数的新方法。SPI 利用无监督学习训练一个辅助的可微程序表示（“影子程序”），并通过基于梯度的模型反演实现参数推断。我们的方法使得能够使用高效的一阶优化器为原本不可微的技能（包括当前生产中使用的许多技能变体）推断最优参数。SPI 在任务目标间零样本泛化，意味着影子程序无需重新训练即可为不同任务变体推断参数。我们在工业与家庭场景中的三个不同机器人与技能框架上评估了我们的方法。代码与示例可在 https://innolab.artiminds.com/icra2021 获取。
引用
@article{arxiv.2103.14452,
title = {Robot Program Parameter Inference via Differentiable Shadow Program Inversion},
author = {Benjamin Alt and Darko Katic and Rainer Jäkel and Asil Kaan Bozcuoglu and Michael Beetz},
journal= {arXiv preprint arXiv:2103.14452},
year = {2022}
}
备注
7 pages, 7 figures, presented at IEEE International Conference on Robotics and Automation (ICRA), Xi'an, China, 2021