通过增强现实技术辅助的演示获取框架,该论文提出了一种创新的解决方案,使非机器人专业人员能够使用 HoloLens 2 等设备为机器人模仿学习提供演示,从而实现了可扩展和多样化的真实世界任务演示收集。通过在三个经典机器人任务(到达、推动和拾取放置)上进行实验证明了该方法的有效性,实际机器人能够成功执行每个任务并回放通过增强现实收集的演示。
Mar, 2024
本文介绍了一个增强现实系统,使人类可以观察到机器人学习的隐藏状态,建立了人类和机器人的共同基础,并讨论了使用我们的系统在 K-12 教育活动中以及开发基于 AR 的人类循环强化学习框架的两个未来方向。
Oct, 2021
通过使用机器人收集的数据来训练分类系统,这项研究探究了在训练智能系统时特定样本的稀缺性所带来的挑战。研究结果在确定使用机器人运动数据作为训练数据来准确识别佩戴智能手表的人类数字字符的潜力方面提供了有价值的见解,对于那些访问人类特定数据有限的领域具有广泛的影响。
May, 2024
通过增强现实(AR)远程操作系统,我们提出了一种自我监督的 6-DoF 抓取姿势检测框架,能够高效地学习人类示范,并提供不需要抓取姿势注释的 6-DoF 抓取姿势,实现了对未知物体进行仅仅通过三次示范就能够满意地学习抓取的能力。
Apr, 2024
通过离线和在线阶段的两步操作,本研究提出了一种通过单个 RGB-D 视频演示进行一次性模仿的机器人教学方法,包括轨迹提取、对象检测、轨迹匹配,借助多个辅助模型验证设计决策,并在真实世界场景下进行了广泛评估。
本文介绍一种新型的人机交互框架,利用强化学习算法、深度学习算法和手持增强现实应用收集最小化的数据来实现故障诊断。针对复杂系统的故障诊断,该框架在新颖数据集上提供了高于 100% 的精度和召回率,并进行了可用性研究以初步验证用户体验。
Jun, 2022
通过使用一个新型的人机协作系统,允许人类操作员与机器人共同控制机器人末端执行器,从而实现了同时进行人类示范收集和机器人操作教学,以提高数据收集效率和降低人类适应性需求。
Jun, 2024
本文提出了一种基于视觉的程序自由编程的方法,利用强化学习实现复杂多指手势下的实物操作,无需手动建模或奖励工程。
Dec, 2022
本研究旨在利用标注不足的人类视频示范来改进基于视觉的机器人操作学习数据,通过引入图像遮蔽的方法,提高眼手相机机器人操作策略的成功率达 58%。
Jul, 2023
通过使用信息熵作为准则,建议教师给出更具信息量的示范样例,从而提高机器人学习效率。使用增强现实引导系统对初学者进行训练,从熵最高的区域产生额外的示范,并在同一任务(保留)和新任务(转移)上测试性能,结果发现机器人的学习效率大幅提高,与启发式规则相比提高了 210%。
Oct, 2023