基于触觉反馈操作的 Seq2Seq 模仿学习
机器人学
2023-03-07 v1
摘要
由于物理接触的建模、环境的部分可观测性以及感知与控制中的噪声，基于触觉反馈操作的机器人控制十分困难。本工作将接触丰富的操作任务的部分可观测性问题，作为序列到序列（Seq2Seq）模仿学习（IL）问题来求解。所提出的 Seq2Seq 模型生成机器人-环境交互序列，以估计部分可观测的环境状态变量。随后，观测到的交互序列被转换为任务本身的控制序列。所提出的基于触觉反馈操作的 Seq2Seq IL 在模拟环境的开门任务和真实机器人的卡扣插入任务上进行了实验验证。该模型仅从 50 个专家演示中即学会了两项任务，而最先进的强化学习与模仿学习方法均告失败。
引用
@article{arxiv.2303.02646,
title = {Seq2Seq Imitation Learning for Tactile Feedback-based Manipulation},
author = {Wenyan Yang and Alexandre Angleraud and Roel S. Pieters and Joni Pajarinen and Joni-Kristian Kämäräinen},
journal= {arXiv preprint arXiv:2303.02646},
year = {2023}
}