通过实到仿真的图像翻译实现触觉仿真到现实的策略迁移
机器人学
2021-11-02 v2 人工智能
摘要
近年来，仿真已成为深度强化学习从视觉与本体感受输入中安全、高效地获取通用且复杂控制策略的关键。尽管触觉信息与环境交互直接相关，却通常未被考虑。在本工作中，我们提出一套面向触觉机器人与强化学习的仿真环境。给出了一种简单快速的 optical 触觉传感器仿真方法，其中高分辨率接触几何以深度图像表示。使用近端策略优化（PPO）在所有考虑的任务上学习成功策略。一种数据驱动方法可将真实触觉传感器的当前状态翻译为相应的仿真深度图像。该策略在物理机器人的实时控制回路中实施，以展示在若干需要触觉感的物理交互任务上的零样本仿真到现实策略迁移。
引用
@article{arxiv.2106.08796,
title = {Tactile Sim-to-Real Policy Transfer via Real-to-Sim Image Translation},
author = {Alex Church and John Lloyd and Raia Hadsell and Nathan F. Lepora},
journal= {arXiv preprint arXiv:2106.08796},
year = {2021}
}