跳到正文
arXiv · 机器人与计算机视觉· Oliver Hausd\"orfer, Linus Schwarz, Gabor Marko, Christian Dietz, Timo Class, Luka Hofer, Jim Yun-Jin Li, Johannes Hechtl, Ralf R\"omer, Angela P. Schoellig·· 29 天前AI 评分69

Learning Where it Matters:面向高精度接触任务的自主数据采集与离线强化学习研究

Learning Where it Matters: Autonomous Data Collection and Offline Reinforcement Learning for Local Contact-Rich Manipulation

AI 导读

针对端到端策略在高精度接触任务中脆弱且泛化差的难题,本文提出一种模块化方法,利用机器人自主在真实环境中采集接触密集段的数据,并通过离线强化学习转化为高效策略。该方法将局部策略与传统运动规划结合以解决长视界装配任务,在四个真实世界任务中仅需 2-2.5 小时自主数据采集即可实现 96% 的平均成功率(对比纯规划基线为 55%,最强端到端基线为 37%),并将施力降低 49%。

来源:arXiv · 机器人与计算机视觉 · arxiv.org