Jul, 2022

自由悬浮双臂空间机械臂非合作目标运动规划学习系统

PDF
TL;DR本文研究了在空间环境下，利用强化学习算法对浮动式双臂空间机械臂（FFDASM）进行轨迹规划，通过模块一实现目标空间内多目标轨迹规划，模块二则可以预测并追踪自旋的非配合目标物体上的目标点。实验结果表明了该学习系统的可扩展性和普适性。
发现论文，激发创造
  • 使用先前政策指导的强化学习对双臂自由浮动空间机器人进行运动规划

    我们提出了一种新的算法 EfficientLPT，通过使用混合策略、引入先验知识，以及采用无穷范数构建合理的奖励函数来提高强化学习方法的规划精度，从而解决了双臂自由浮动空间机器人动作规划中无法捕捉非合作对象的问题，并通过旋转速度不同的物体捕获任务验证了该方法的有效性。

    Sep, 2022

  • 通过交替进行多智能体路径规划和基于物理模拟的操作，实现可移动物体的复杂非抓取操作规划

    该研究针对机器人在重复环境中的可操作性，提出一种基于物理模拟器的动态规划算法，结合多智能体路径规划的思想，用于实现机械臂动作计划与可移动物体状态变化之间的交互式自主调整。

    Mar, 2023

  • 学习用于笛卡尔机器人的双臂物体重新排列

    本研究针对工业机器人中的双臂物体重排问题，提出了一种基于强化学习和注意力网络的任务指派策略，实现了最小化任务执行时间和最大化双臂协作效率，实验结果表明该方法在总执行时间和计算效率方面优于传统方法，并且在不同物体数量下的推广性得到了验证。

    Feb, 2024

  • 基于部件引导的三维强化学习用于仿真到实物的关节物体操控

    通过视觉反馈操纵不可见的关节对象对于实际机器人而言是一项关键但具有挑战性的任务。本文提出了一个新颖的部件导向的 3D RL 框架，可以在没有示范的情况下学习操纵关节对象。实验结果在仿真环境和真实世界环境中证明了我们框架的有效性。

    Apr, 2024

  • 学习分散式多臂运动规划器

    我们提出了一种具有可扩展性和灵活性的闭环多臂机器人运动规划器，利用多智能体强化学习，训练去中心化策略以控制一个机械臂达到目标终端执行器姿态，通过利用经典规划算法来提高强化学习算法的学习效率，保留神经网络的快速推理时间，得出一个作用于不同团队规模的柔性政策。

    Nov, 2020

  • 制作一个甜甜圈：零样本变形物体操作的语言引导层次 EMD 空间规划

    这项研究介绍了一种无需演示的层次规划方法，能够处理复杂的长期任务，并展示了在面对新颖和以前未遇到的复杂任务时，模型具备强大的泛化能力。

    Nov, 2023

  • 通过利用在线生成的经验，加速多机器人操作的搜索规划

    通过利用冲突基础搜索算法的重复和增量特性，加速搜索算法的方法使其适用于多臂协调和复杂环境中的机器人操作，从而达到完整和有界的次优性保证。

    Mar, 2024

  • N$^2$M$^2$: 在未知和动态环境中学习任意移动操作导航

    本研究提出一种名为神经导航移动操控（N$^2$M$^2$）的方法，通过将移动操控任务分解为任务空间中的简化运动生成器和移动基地的训练强化学习代理，同时通过对复杂障碍环境的扩展，可以在未知环境中执行不可见、长视距任务，并立即对动态障碍和环境变化做出反应。

    Jun, 2022

  • 多臂组装系统的任务与运动协同规划

    本文提出了一种基于多层次的任务和动作规划框架，可以协调多个机器人完成复杂结构的组装，在高层次通过整数线性规划算法计算抽象计划，并在低层次使用多智能体路径规划算法规划机器人的运动路线，关键在于高层次规划中的避碰约束和运动的持续时间，以使得抽象计划既可行又高效。

    Mar, 2022

  • 在动态共享的 3D 空间中学习操控任务

    提出了一种深度强化学习策略，旨在通过引入协作自主系统（例如操纵器）在工作场所和人操作员之间高效地学习多类别物品从共享工作空间到多目标目的地的放置任务。

    Apr, 2024