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
自主系统中智能机器人学习如何操作环境的一篇综述性研究,该研究着重于利用机器学习解决机器人操作的问题,并阐述了该领域的众多研究机遇和挑战。
Jul, 2019
机器人操控需要准确的运动和物理交互控制,但是现有的机器人学习方法侧重于以动作空间为中心,没有明确给予策略对交互的控制。本文讨论了这种选择的后果,并提出了在机器人学习中更多地使用明确交互的动作空间的观点。
Jul, 2024
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。
Mar, 2022
研究了如何将在一个环境中学到的知识传递到另一个环境中的关键问题,并通过学习人类期望机器人执行哪些任务的中间表示方法,来提高机器人学习效率,从而为人类与机器人的互动打下基础。
May, 2022
本文调查了当前大部分奖励和模仿学习方法的机器人任务表示与人类任务表示不匹配的问题,并主张应该将机器人学习任务的表示与人类对齐,以及从定义问题的数学角度出发研究机器人物理表示学习。
Feb, 2023
本文在三个机器人任务中系统评估了多种常见的学习和手工工程化表示方法,并从三个方面对每种表现方法进行评估,即维度,可观测性和分离度,发现在输入代理或作为辅助任务的情况下,可以显著提高性能,并挑战了什么是控制机器人 ' 好' 表示的见解。
Nov, 2020
该研究提出了一种用于模拟动态图的概率框架,包括对边模型的参数化和非参数模型的建模,以及如何估算物体运动的结构和运动学模型以及其在机器人操作和移动操作中的应用。
Jan, 2014
本研究通过与发展心理学家合作的定向实验,了解婴儿如何获得第一次的 “感觉 - 运动身体知识”,进而构建具有传感器官的计算模型,对多模态身体表示学习、适应和操作的机制进行研究,提出了自我接触和自我观察的办法,开发了一个校准工具箱,并在多个机器人平台上进行了实验验证,最终研究了周围空间与人类和机器人的安全合作的可能性。
Nov, 2022
这篇论文综述了旋转表示的选择问题,阐述了其在深度学习与基于梯度优化的问题中的优劣性,提供了基于输入输出是否包含旋转以及数据是否主要由小角度构成的情况下选择合适表示的指导。
Apr, 2024