生成对抗网络合成实现交流型机器人动作

Mar, 2022

生成对抗网络合成实现交流型机器人动作

Synthesis and Execution of Communicative Robotic Movements with Generative Adversarial Networks

Luca Garello, Linda Lastrico, Alessandra Sciutti, Nicoletta Noceti, Fulvio Mastrogiovanni...

TL;DR本文提出了一个新的方法，利用生成对抗网络构建机器人的运动模式，使机器人能够通过调整速度的变化，表现出人类的细致和谨慎，从而更好地适应不同的操作场景。

Abstract

object manipulation is a natural activity we perform every day. How humans handle objects can communicate not only the willfulness of the acting, or key aspects of the context where we operate, but also the properties of the objects involved, without any need for explicit verbal descri

object manipulation robotics generative adversarial network kinematics modulation carefulness

发现论文，激发创造

移动机器人物体操作的集体智能

通过将基于梯度的软体物理模拟器的规划器提炼成基于注意力机制的神经网络，我们的多机器人操作系统在适应环境变化、处理任务时表现更好，并且可以应用于训练中未见过的配置。

Nov, 2022

通过视觉规划和执行学习机器人操作

本文提出了一种基于数据驱动的建模方法，利用深度生成模型学习目标定向的物体操作，采用视觉规划和视觉跟踪控制解决目标检测问题。

May, 2019

通过对抗性模仿从动作捕捉学习人类行为

本文介绍应用生成对抗性模仿学习方法，通过有限的高维仿人体运动演示数据，训练神经网络策略以产生类人的运动模式，并利用该方法构建子技能策略解决高维身体姿态控制任务。

Jul, 2017

社交 GAN：具有生成对抗网络的社交可接受行迹

通过将序列预测和生成对抗网络的工具相结合，我们成功地解决了自动移动平台中的人体运动行为预测问题，并在准确性，多样性，碰撞避免和计算复杂性方面胜过了以往的工作。

Mar, 2018

从视觉演示中学习关节动作

该论文介绍了一种通过捕捉物体的深度图像来获取其运动学模型的方法，以便于机器人能够独立使用这些物体，这种方法不需要先前的物体模型，并使用了稀疏（无标记）特征跟踪、运动分割、组件姿态估计和运动学习等技术。

Feb, 2015

语音手势生成对话生成对话生成对话生成：机器人和具身化代理的手势生成

本文提出了一种新框架，可以根据语音文本和语音音频表达生成关节角度序列，经过客观和主观评估，证明了该手势生成框架对机器人和具身代理的有效性。

Sep, 2023

通过生成对抗自我模仿学习从示范中学习类别级可搬移物体操作策略

本文通过模仿学习的方式解决在复杂情况下通过学习实现物体操作技能的问题，提出了一种可以应用于各项任务的无先验奖励的泛化策略学习方法，并通过几个关键技术，包括生成式对抗自我模仿学习、不断完善的判别器和平衡专家池中的实例，显著提高了分类水平操作策略学习的效率和泛化能力。实验结果在 ManiSkill 基准测试中都有明显改善。

Mar, 2022

人体物体交互：基于人类级别指令

能够从人类级别的指示中同时合成对象运动、全身运动和手指运动的第一个完整系统。

Jun, 2024

面向可泛化的关节式物体操作的运动感知提示

通过在大型语言模型（LLMs）中引入物体的运动学知识，我们提出了一个运动学感知的提示框架，来生成各种物体操作的低层运动轨迹航点，从而实现智能机器人的通用操控。我们的实验结果表明，该框架在 8 个已知物体类别上表现优于传统方法，并且在 8 个未知的关节式物体类别上展现出强大的零样本能力。同时，我们在 7 个不同的物体类别上进行的真实世界实验也证明了该框架在实际场景中的适应性。

Nov, 2023

用于自主机器人的层级生成建模

用分层生成模型实现人类灵感的机器人运动控制与自主完成目标驱动任务。

Aug, 2023