无机器人训练机器人：用于主手到机器人策略迁移的深度模仿学习

深度模仿学习因仅需演示样本而在机器人操作中颇具前景。本研究将深度模仿学习应用于需要力反馈的任务。然而，现有演示方法存在不足：双边遥操作需要复杂控制方案且成本高昂，而示教示教（kinesthetic teaching）受人类干预的视觉干扰影响。本研究提出一种新的主手到机器人（M2R）策略迁移系统，其无需机器人即可示教基于力反馈的操作任务。人类直接使用控制器演示任务。该控制器类似于机器人臂的运动学参数，并使用带有力/力矩（F/T）传感器的相同末端执行器来测量力反馈。使用该控制器，操作者在无双边系统的情况下即可感受力反馈。所提方法利用基于注视的模仿学习和简单标定方法克服主手与机器人之间的域差距。此外，应用 Transformer 从 F/T 感官输入推断策略。所提系统在需要力反馈的瓶盖开启任务上进行了评估。