带有点云的6D机器人抓取的目标辅助演员临界

机器人抓取是一项具有挑战性的任务，尤其是在自上而下的垃圾收集不足的情况下。复杂的6D抓取包括机器人抓取器的3D平移和3D旋转，就像抓取桌上的谷物盒一样。关于arXiv.org的最新论文提出了一种从对象的点云中学习6D抓取策略的新颖方法。

它结合了模仿学习与计划者以及强化学习的已知对象。该策略直接输出机械手的控制动作。引入的算法将目标预测作为辅助任务来提高演员和评论家算法的性能。实验表明，该方法可以成功地用于抓取看不见的物体。此外，研究表明，可以使用成功事件中的事后观察目标对未知对象进行微调，以实现持续学习。

超越自上而下的垃圾收集场景的6D机器人抓取是一项艰巨的任务。基于机器人运动计划的基于6D抓取合成的先前解决方案通常在开环设置下运行，而不考虑对象的动力学和接触，这使它们对抓取合成错误敏感。在这项工作中，我们提出了一种新颖的方法，用于使用以自我为中心的相机中的点云来学习6D机器人抓取的闭环控制策略。我们将模仿学习和强化学习相结合，以抓取看不见的物体并处理连续的6D动作空间，在此空间中，来自联合动作和抓取计划者的专家演示得以获得。我们介绍了一种目标辅助角色批评算法，该算法使用掌握目标预测作为辅助任务来促进策略学习。可以从专家计划器获得已知对象的监视目标，或者从未知对象的事后观察目标获得监视目标的监视。总体而言，我们的学习型闭环策略在模拟中抓取各种ShapeNet对象和YCB对象时可达到90%以上的成功率。我们的视频可以在以下位置找到 此https URL 。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！