SCAPE：从增强的位置控制经验中学习刚度控制
机器人学
2021-09-16 v2
摘要
我们介绍了一种样本高效的方法，用于学习灵巧操作中的状态依赖刚度控制策略。控制刚度的能力通过提供柔顺性及对不确定性的鲁棒性，促进了安全可靠的操控。当前大多数实现机器人操作的强化学习方法都仅关注位置控制，这常源于学习高维刚度控制策略的困难。该困难可通过模仿学习等策略引导得到部分缓解。然而，专家刚度控制演示通常记录成本高昂或不可行。因此，我们提出了一种从增强的位置控制经验中学习刚度控制（SCAPE）的方法，其通过将位置控制演示转化为近似的、次优的刚度控制演示来规避该困难。随后，通过使用互补技术帮助智能体安全地从演示与强化学习中学习，来解决增强演示的次优性问题。借助仿真工具与机器人实验平台上的实验，我们表明所提方法高效学习了安全操作策略，并优于习得的位置控制策略及若干其他基线学习算法。
引用
@article{arxiv.2102.08442,
title = {SCAPE: Learning Stiffness Control from Augmented Position Control Experiences},
author = {Mincheol Kim and Scott Niekum and Ashish D. Deshpande},
journal= {arXiv preprint arXiv:2102.08442},
year = {2021}
}
备注
Accepted at CoRL 2021