基于深度强化学习与 GelSight 触觉传感器的表面跟随
机器人学
2019-12-03 v1
摘要
触觉传感器可提供详细的接触信息，有助于机器人执行灵巧的手内操作任务。其中一项基础而重要的任务是表面跟随，这是机器人在探索未知环境或建模不精确的工作空间时的关键特征。本文提出一种新颖的端到端学习策略，将 GelSight 触觉传感器获取的原始触觉数据直接映射到机器人末端执行器的运动。在配备 GelSight 传感器的 KUKA youBot 平台上的实验表明，完全训练好的 SFDQN 模型生成的动作中有 80% 是合适的表面跟随动作；自主表面跟随测试也表明所提方案在测试表面上表现良好。
引用
@article{arxiv.1912.00745,
title = {Surface Following using Deep Reinforcement Learning and a GelSightTactile Sensor},
author = {Chen Lu and Jing Wang and Shan Luo},
journal= {arXiv preprint arXiv:1912.00745},
year = {2019}
}
备注
7 pages, 7 figures