跳到正文
arXiv · 机器人与计算机视觉· Younghyo Park, Antonia Bronars, Pulkit Agrawal·· 16 天前AI 评分68

当机器人重于物体:惯性失配如何塑造机器人策略学习

When Robots Outweigh Objects: How Inertia Mismatch Shapes Robot Policy Learning

AI 导读

论文研究了机械臂与操作对象之间的惯性失配对机器人策略学习的影响。研究发现强化学习能在广泛的质量组合下成功,而行为克隆在轻机器人操作重物体时更可靠;增加数据能缩小但无法消除这一差距。此外,即使机械臂重量不变,电机齿轮比导致的等效惯性增加也会降低行为克隆性能。研究提出通过选择低惯性工作空间或引导演示者采用低惯性解决方案来改善模仿效果。

来源:arXiv · 机器人与计算机视觉 · arxiv.org