TIAGo RL：面向移动机器人带触觉数据的强化学习仿真环境
机器人学
2023-11-14 v1 人工智能
摘要
触觉信息对于涉及物理交互的机器人任务（如物体操控）的鲁棒性能十分重要。然而，随着推理与控制过程中纳入更多数据，行为建模变得愈发困难。深度强化学习(DRL)在包括机器人基于触觉的操控在内的多个领域为学习复杂行为提供了有前景的结果。在本工作中，我们提出面向TIAGo服务机器人的开源强化学习环境。它们产生的触觉传感器测量值类似于TIAGo真实带传感器夹爪的测量值，以促进DRL策略的迁移学习研究。最后，我们展示了学习到的力控制策略的初步训练结果，并将其与经典PI控制器进行比较。
引用
@article{arxiv.2311.07260,
title = {TIAGo RL: Simulated Reinforcement Learning Environments with Tactile Data for Mobile Robots},
author = {Luca Lach and Francesco Ferro and Robert Haschke},
journal= {arXiv preprint arXiv:2311.07260},
year = {2023}
}