基于视觉的叉车学习系统：无需真实世界数据的零样本仿真到现实迁移
机器人学
2025-05-07 v2
摘要
叉车广泛应用于各种工业场景，自动化需求很高。特别是平衡重式叉车用途广泛，适用于多种场景。然而，由于缺乏安全且性能可验证的开发环境，自动化这些过程的努力尚显不足。本研究提出了一种结合照片级真实数字学习环境与1/14比例机器人叉车环境的学习系统，以应对这一挑战。受叉车操作员基于训练的学习方法的启发，我们采用了端到端的基于视觉的深度强化学习方法。学习过程在由CAD数据创建的数字化环境中进行，确保了安全性，无需真实世界数据。此外，我们利用配置与真实叉车相似的1/14比例机器人叉车，在物理环境中安全地验证了该方法。在机器人叉车的实际实验中，我们在托盘装载任务中实现了60%的成功率。我们的方法通过一种无需启发式添加的简单方法实现了零样本仿真到现实迁移。这种基于学习的方法被认为是平衡重式叉车自动化的第一步。
引用
@article{arxiv.2412.11503,
title = {Visual-Based Forklift Learning System Enabling Zero-Shot Sim2Real Without Real-World Data},
author = {Koshi Oishi and Teruki Kato and Hiroya Makino and Seigo Ito},
journal= {arXiv preprint arXiv:2412.11503},
year = {2025}
}
备注
Accepted for publication in: 2025 International Conference on Robotics and Automation (ICRA)