面向任务相关视角与区域的移动操作机器人鲁棒模仿学习
机器人学
2024-10-03 v1
摘要
我们研究如何从视觉观察的角度推广移动操作机器人的视觉-运动策略。由于仅采用单一视角，移动操作机器人容易因自身身体遮挡，以及在多样化场景下的显著域迁移问题。然而, 到目前为止, 尚无研究能够同时解决遮挡与域迁移问题并提出鲁棒策略。本文提出一种面向移动操作机器人的鲁棒模仿学习方法, 侧重于观察多个视角时的任务相关视角及其空间区域。多视角策略包含注意力机制, 该机制通过增强数据集学习, 带来最优视角以及对遮挡和域迁移具有鲁棒性的视觉嵌入。将本方法在不同任务与环境下的结果与前期研究进行比较, 结果表明本方法在成功率上提升最高可达29.3分。我们还采用本方法进行消融研究。通过多视角数据集学习任务相关视角, 相比使用唯一确定视角, 可提高对遮挡的鲁棒性。聚焦任务相关区域可在域迁移方面实现最高33.3分的成功率提升。
引用
@article{arxiv.2410.01292,
title = {Robust Imitation Learning for Mobile Manipulator Focusing on Task-Related Viewpoints and Regions},
author = {Yutaro Ishida and Yuki Noguchi and Takayuki Kanai and Kazuhiro Shintani and Hiroshi Bito},
journal= {arXiv preprint arXiv:2410.01292},
year = {2024}
}