| 标题 |
 Learning Insertion Primitives with Discrete-Continuous Hybrid Action Space for Robotic Assembly Tasks |
| 网址 | |
| DOI | |
| 其它 |
摘要： 本文引入了离散连续作用空间，用于学习机器人组装任务中的插入原语。原语是一系列具有特定退出条件的基本动作，例如“按下钉子直到接触”。由于原语是机器人控制命令的抽象，编码了人类先验知识，降低了探索难度并提高了学习效率。本文通过原语学习机器人组装技能。具体来说，我们将插入原语表述为参数化动作：由离散原始类型和连续原始参数组成的混合作用。与之前使用每个原语的离散参数集合的工作相比，我们方法中的代理可以自由从连续空间中选择原始参数，这更灵活且高效。为了学习这些插入原语，我们提出了双平滑多重通道深度Q网络（TS-MP-DQN），这是带有双Q网络的MP-DQN的高级版本，以减少Q值的过度估计。在模拟和现实世界中进行大量实验以进行验证。根据实验结果，我们的方法比三个基线的成功率更高：参数化动作的MP-DQN、离散参数的原语和连续速度控制。此外，学习得的原语对模拟到实的传输具有鲁棒性，并能推广到具有挑战性的组装任务，如紧密的圆形销孔和复杂形状的电气连接器，成功率颇具希望。实验视频可在 https://msc.berkeley.edu/research/insertion-primitives.html 观看。 |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时，文件已从服务器自动删除，无法下载。 |
PDF的下载单位、IP信息已删除
(2025-6-4)
Kao
Copyright
学术文献互助
arniu2008
OK
愉快的真
大力的冬萱
叶上初阳
Nole
机智的白卉
JEREMIAH
wang
Farson
Oracle
初景
蕃茄鱼
zhaiyiying
Criminology34
lieaait
嘻嘻哈哈
皖公网安备34019202002308
