失落弧线中的机器人：用于动态操控固定端点线缆的自监督学习
机器人学
2024-05-03 v3 人工智能
摘要
我们探索了高速机械臂运动如何动态操控线缆以跃过障碍物、将物体从基座上击落以及在障碍物间穿绕。本文提出了一种自监督学习框架，使 UR5 机器人能够执行这三项任务。该框架为机械臂寻找一个三维顶点（apex point），该顶点与特定任务的轨迹函数共同定义了一段弧线运动，从而动态操控线缆以在变化的障碍物和目标位置下完成任务。轨迹函数计算最小急动度（minimum-jerk）运动，这些运动被约束在关节极限内，并通过反复求解二次规划以找到最短且最快的可行运动来经过该三维顶点。我们使用 5 种具有不同粗细和质量的物理线缆进行实验，并与两种由人类选择顶点的基线进行比较。结果表明，在三项任务中，采用固定顶点的基线分别取得 51.7%、36.7% 和 15.0% 的成功率，采用人工指定、任务特定顶点的基线分别取得 66.7%、56.7% 和 15.0% 的成功率，而使用学习所得顶点的机器人分别在跃过、击落和穿绕任务中取得 81.7%、65.0% 和 60.0% 的成功率。代码、数据和补充材料可在 https://sites.google.com/berkeley.edu/dynrope/home 获取。
引用
@article{arxiv.2011.04840,
title = {Robots of the Lost Arc: Self-Supervised Learning to Dynamically Manipulate Fixed-Endpoint Cables},
author = {Harry Zhang and Jeffrey Ichnowski and Daniel Seita and Jonathan Wang and Huang Huang and Ken Goldberg},
journal= {arXiv preprint arXiv:2011.04840},
year = {2024}
}