基于航点的机器人操作模仿学习
机器人学
2023-07-27 v1 人工智能
机器学习
摘要
尽管模仿学习方法在机器人操作领域再度受到关注，但众所周知的错误累积问题持续困扰行为克隆（BC）。航点可通过缩短BC学习问题的时域，从而减少随时间累积的错误，来帮助解决该问题。然而，航点标注定义不明确，且需要额外的人工监督。我们能否在无需任何额外人工监督的情况下自动生成航点？我们的核心见解是：若一段轨迹可用线性运动近似，则其端点可作为航点。我们提出用于模仿学习的自动航点提取（AWE），这是一种预处理模块，将演示分解为一组极少的航点，这些航点经线性插值可在指定误差阈值内近似该轨迹。AWE可与任意BC算法结合，我们发现AWE在仿真中将最先进算法的成功率提升高达25%，在真实双臂操作任务中提升4-28%，并将决策时域缩短至多10倍。视频与代码见 https://lucys0.github.io/awe/
引用
@article{arxiv.2307.14326,
title = {Waypoint-Based Imitation Learning for Robotic Manipulation},
author = {Lucy Xiaoyang Shi and Archit Sharma and Tony Z. Zhao and Chelsea Finn},
journal= {arXiv preprint arXiv:2307.14326},
year = {2023}
}
备注
The first two authors contributed equally