面向抓取放置操作的仿真到真实深度强化学习
机器人学
2023-09-19 v1 人工智能
摘要
当将深度强化学习（DRL）模型从仿真迁移至真实世界时，由于仿真在许多情况下无法很好地模仿真实世界，性能可能不尽如人意，这导致在真实世界中进行长时间的微调。本文提出一种自监督的基于视觉的DRL方法，使机器人在将训练模型直接从仿真迁移至真实世界时，能够高效且有效地完成物体抓取与放置。为此方法专门设计了高度敏感的动作策略，以处理挑战性环境中拥挤和堆叠的物体。采用所提方法的训练模型可直接应用于真实吸附任务，无需任何来自真实世界的微调，同时保持较高的吸附成功率。实验还验证，我们的模型可部署于真实实验中吸附未知物体，在无任何真实世界微调的情况下吸附成功率达90\%。实验视频见：https://youtu.be/jSTC-EGsoFA。
引用
@article{arxiv.2309.09247,
title = {Sim-to-Real Deep Reinforcement Learning with Manipulators for Pick-and-place},
author = {Wenxing Liu and Hanlin Niu and Robert Skilton and Joaquin Carrasco},
journal= {arXiv preprint arXiv:2309.09247},
year = {2023}
}