May, 2023

学习用于 6D 非预抓取操作的混合演员评论员映射

PDF
TL;DR本文介绍了一种利用强化学习方法进行非图像化的六自由度物体操作的方法，即 Hybrid Actor-Critic Maps for Manipulation (HACMan)，其提出了非捏持操作的物体分析和空间关联动作建模，采用离散 - 连续的动作表示法，可以帮助机器人实现对未知物体的高效操作。
non-prehensile manipulationhybrid actor-critic mapsreinforcement learningobject-centric action representationsim2real transfer
发现论文，激发创造
  • 使用参数化操作基元学习外在灵巧性

    通过学习层次化强化学习，我们能够利用环境改变目标物体的姿态，无需物体检测、姿态估计或手动设计控制器，从而成功地完成 98% 的实验任务。

    Oct, 2023

  • 基于物理模拟的残余强化学习和估算手部姿态的熟练性操作

    该研究提出了一种基于深度传感器和一种先进的 3D 手姿估计器的模型，使用模型自由的混合强化学习和模仿学习方法训练代理来实现虚拟环境中手 - 物体交互，通过引入物理约束，使得机器人能够完成更高效的手 - 物体操作。

    Aug, 2020

  • 机器人移动操作的可达性行为先验学习

    本文提出了一种混合强化学习算法和机器人可达性先验方法，加速了移动操作系统的学习速度，提高了机器人应对现实环境中的任务的表现。

    Mar, 2022

  • 通过多模态分类探索进行强化学习的非抓取平面操作

    通过多模态探索方法，提出了用于任意起始和目标物体姿态的平面推动强化学习策略，该策略在无模拟故障和观测噪声的情况下具备可靠性，并能应用于具有多个推动装置的任务，同时验证了该策略在物理机器人上的可转移性。

    Aug, 2023

  • GAMMA: 基于在线抓取姿态融合的感知移动操作策略学习

    提出了一种基于在线抓取姿势融合的可抓取性感知移动操作方法，用于在接近目标并抓取时有效观察目标，通过通过在线整理抓取姿势，消除冗余和异常值，并将其编码为一个抓取姿势观察状态，用于强化学习。此外，实时融合抓取姿势可直接评估抓握可行性，包括抓握姿势的数量和质量。

    Sep, 2023

  • 使用深度强化学习进行非预抓取操作的重排

    该研究基于深度强化学习、视觉反馈、潜在场探索策略和平衡数据集的训练方式，开发了一套具有非抓握重排能力的机器人系统，成功率高达 85%，并能够应对环境突然改变，达到了人类水平。

    Mar, 2018

  • 使用全身移动操纵在未知场景中实现关节物体交互

    本文提出了一个在未知环境中自主交互大型铰接物体的两阶段架构，第一阶段是以物体为中心的规划器，第二阶段是以智能代理为中心的规划器，并且在移动障碍物的情况下，通过优化控制问题确保安全跟踪所生成的计划。

    Mar, 2021

  • 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

  • 移动机器人多目标协作交互式搜索层次学习

    本文介绍了一种新颖的交互式多对象搜索任务，并提出了一种层次强化学习方法，学习探索、导航和操作技能，该方法在模拟和实际的实验中展示了零样本迁移和对不同机器人运动学的适应性。

    Jul, 2023

  • 从经验和模仿中学习灵巧的操作策略

    本研究探索了学习控制方法对于机械手进行非抓握性操作的影响，通过深度学习和最近邻等方法实现了控制器的泛化。研究表明仅基于时间轨迹的控制器仅需要少量训练数据即可构建，同时多个控制器可以进行插值形成更全局的控制器。

    Nov, 2016