具有连续时间安全性的遥操作机模仿学习
机器人学
2019-05-24 v1 最优化与控制
摘要
学习有效模仿人类遥操作机，并泛化至未见过的动态环境，是一条有前景的通往更高自主性的路径，使机器人能够从监督中稳步获取复杂技能。我们提出一种根植于收缩理论和平方和规划的新运动学习技术，用于从给定演示集估计以多项式向量场形式表示的控制律。值得注意的是，该向量场在最小化模仿损失的同时提供对所诱导模仿行为的连续时间保证，对此问题是可证明最优的。我们的方法泛化至机器人的新初始位姿和目标位姿，并能在执行过程中实时适应动态障碍物，在定义良好的安全管内收敛至遥操作机行为。我们给出了一个在带移动障碍物的7自由度KUKA IIWA机械臂上执行抓取-放置任务的框架应用。该方法在基准手写模仿任务上优于其他从演示学习的方法。
引用
@article{arxiv.1905.09499,
title = {Teleoperator Imitation with Continuous-time Safety},
author = {Bachir El Khadir and Jake Varley and Vikas Sindhwani},
journal= {arXiv preprint arXiv:1905.09499},
year = {2019}
}