跳到正文
arXiv · 机器人与计算机视觉· Kazuki Shibata, Ryosuke Sota, Shandil Dhiresh Bosch, Yuki Kadokawa, Yoshihisa Tsurumine, Takamitsu Matsubara·· 2026-10-20精选AI 评分78

DeReCo:解耦表示与协调学习以实现对象自适应去中心化多机器人协同抓取与搬运

DeReCo: Decoupling Representation and Coordination Learning for Object-Adaptive Decentralized Multi-Robot Cooperative Grasping and Lifting

AI 导读

针对多机器人协同抓取与搬运中对象依赖的表示学习与非平稳性下的协调学习耦合问题,论文提出 DeReCo 框架。该框架采用两阶段训练策略:先在特权信息下学习协调策略,再基于局部观测重构对象依赖表示并重新训练协调策略以实现去中心化执行。

推荐理由

提出 DeReCo 框架解耦表示与协调学习,在仿真和真实机器人实验中验证了跨物体泛化能力。

来源:arXiv · 机器人与计算机视觉 · arxiv.org