基于子空间的混合强化学习用于关节物体操作
机器人学
2024-12-12 v1
摘要
关节物体操作是一项具有挑战性的任务，需受限运动和自适应控制，以处理被操作物体的未知动力学。虽然强化学习（RL）已被广泛应用于解决各种场景和类型的关节物体，但由于这些任务源于多个相互交织的目标，使得在完整任务空间中学习控制策略高度困难。为此，我们提出了基于子空间的混合强化学习（SwRL）框架，通过针对每个划分的任务空间（即子空间）基于独立目标学习策略。该方法实现了自适应力调制，以适应物体的未知动力学。此外，它有效利用了被忽视的冗余子空间，从而最大化机器人的灵活性。我们的 method 通过仿真和实际实验验证，显著提升了学习效率和任务执行性能。补充视频可在 https://youtu.be/PkNxv0P8Atk 查看。
引用
@article{arxiv.2412.08522,
title = {Subspace-wise Hybrid RL for Articulated Object Manipulation},
author = {Yujin Kim and Sol Choi and Bum-Jae You and Keunwoo Jang and Yisoo Lee},
journal= {arXiv preprint arXiv:2412.08522},
year = {2024}
}
备注
14 pages, 10 figures, Submitted to Robotics and Autonomous Systems