跳到正文
arXiv · 机器人与计算机视觉· Vinay Rodrigues, Sara Zeynalpour, Gokhan Solak, Sebastian Hjorth, Arash Ajoudani·· 13 天前AI 评分75

变形线性物体关键点定位的强化学习实证研究

An Empirical Study of Reinforcement Learning for Keypoint Positioning of Deformable Linear Objects

AI 导读

针对高维构型和非线性接触动力学带来的挑战,该工作研究了平面抓取下变形线性物体的强化学习方法,重点评估训练效率、观察设计、鲁棒性及零样本仿真到现实迁移能力。实验对比了三种近端策略优化(PPO)训练栈,发现 GPU-并行 MuJoCo Playground 栈在相同时间预算下收敛更快且性能更稳定;引入相对关键点观测和不对称演员 - 评论家架构进一步提升了效率。

来源:arXiv · 机器人与计算机视觉 · arxiv.org