基于强化学习与全身轨迹优化的机器人擦桌
机器人学
2022-10-21 v1 人工智能
机器学习
系统与控制
系统与控制
摘要
我们提出一个框架，使多用途辅助移动机器人能够自主擦拭桌面以清理洒落物和碎屑。该问题具有挑战性，因为它需要规划擦拭动作，同时对通过高维视觉观测捕获的碎屑和洒落物不确定潜在动态进行推理。同时，我们必须保证约束满足，以在 unstructured 杂乱环境中实现安全部署。为应对该问题，我们首先提出一个随机微分方程来建模碎屑和洒落物动态以及机器人擦拭器的吸收过程。利用该模型，我们使用强化学习（RL）在仿真中训练基于视觉的策略以规划擦拭动作。为实现零样本 sim-to-real 部署，我们将 RL 策略与全身轨迹优化框架紧密结合，以计算基座和机械臂关节轨迹，在执行所需擦拭运动的同时保证约束满足。我们在仿真和硬件上广泛验证了我们的方法。视频：https://youtu.be/inORKP4F3EI
引用
@article{arxiv.2210.10865,
title = {Robotic Table Wiping via Reinforcement Learning and Whole-body Trajectory Optimization},
author = {Thomas Lew and Sumeet Singh and Mario Prats and Jeffrey Bingham and Jonathan Weisz and Benjie Holson and Xiaohan Zhang and Vikas Sindhwani and Yao Lu and Fei Xia and Peng Xu and Tingnan Zhang and Jie Tan and Montserrat Gonzalez},
journal= {arXiv preprint arXiv:2210.10865},
year = {2022}
}