可变速教学-回放作为imitation学习的真实数据增强

由于imitation学习依赖于困难模拟环境中的人类演示，力控制的加入导致训练数据不足，即便在速度上进行简单变更。虽然数据增强领域已解决数据不足问题，但机器人操作常规的数据增强方法局限于仿真方法或位置控制的下采样。本文提出了一种适用于力控制且保留真实数据集优势的新型数据增强方法。我们将可变速教学-回放作为真实数据增强，用于增加在可变速度下的环境反应数量和质量。对基于双侧控制的imitation学习进行了实验，采用具备位置-力控制的imitation学习方法。我们在从两个固定速度的人类演示中，对pick-and-place和wiping两个任务，在可变速度下评估了真实数据增强的效果。结果显示，仅通过速度变化即可使真实反应的成功率提高最高55%，并通过在可变速度下收集环境反应，提高了沿duration/frequency命令的精度。