机器人乒乓球：一个高速学习系统的案例研究
机器人学
2025-02-20 v2 机器学习
摘要
我们深入剖析了一个真实世界的机器人学习系统，在先前工作中该被证明能够与人类进行数百回合的乒乓球对拉，并具备将球精确回击到指定目标的能力。该系统整合了一个高度优化的感知子系统、一个高速低延迟的机器人控制器、一种能够防止真实世界损坏并训练零样本迁移策略的仿真范式，以及能够实现物理机器人自主训练与评估的自动化真实世界环境重置机制。我们辅以完整的系统描述（包括许多通常不广泛传播的设计决策），并开展了一系列研究，阐明了缓解各类延迟来源、考虑训练与部署分布偏移、感知系统鲁棒性、策略超参数敏感性以及动作空间选择的重要性。展示系统组件与实验结果细节的视频可在 https://youtu.be/uFcnWjB42I0 查看。
引用
@article{arxiv.2309.03315,
title = {Robotic Table Tennis: A Case Study into a High Speed Learning System},
author = {David B. D'Ambrosio and Jonathan Abelian and Saminda Abeyruwan and Michael Ahn and Alex Bewley and Justin Boyd and Krzysztof Choromanski and Omar Cortes and Erwin Coumans and Tianli Ding and Wenbo Gao and Laura Graesser and Atil Iscen and Navdeep Jaitly and Deepali Jain and Juhana Kangaspunta and Satoshi Kataoka and Gus Kouretas and Yuheng Kuang and Nevena Lazic and Corey Lynch and Reza Mahjourian and Sherry Q. Moore and Thinh Nguyen and Ken Oslund and Barney J Reed and Krista Reymann and Pannag R. Sanketi and Anish Shankar and Pierre Sermanet and Vikas Sindhwani and Avi Singh and Vincent Vanhoucke and Grace Vesom and Peng Xu},
journal= {arXiv preprint arXiv:2309.03315},
year = {2025}
}
备注
Published and presented at Robotics: Science and Systems (RSS2023)