29、可组合机器人技能的仿真到现实迁移及基于触摸的连续体操作物体分类

可组合机器人技能的仿真到现实迁移及基于触摸的连续体操作物体分类

1. 可组合机器人技能的仿真到现实迁移

在机器人研究领域，将仿真环境中训练的技能有效迁移到现实场景是一个关键挑战。通过对相关研究的探索，我们能更深入了解其中的原理、优势与挑战。

• 实验验证与方法优势

  • 原理验证 ：点环境实验验证了方法的原理，单技能Sawyer实验展示了其在实际机器人任务中的适用性。所有Sawyer技能策略仅使用关节空间控制来驱动机器人，这意味着技能策略和组合器需要学习如何在不使机器人与周围环境或自身发生碰撞的情况下，利用机器人实现任务空间目标。
  • 降低问题复杂度 ：该方法能将复杂的控制问题（即通过关节空间控制实现任务空间目标）简化为在潜在技能空间中进行控制以实现任务空间目标。
  • 技能插值表现出色 ：此方法在对现有技能进行插值的新技能上表现最佳。仅对八个到达技能进行了全端到端的仿真预训练，且所有技能都从相同的初始位置开始训练。尽管初始化范围较窄，但该方法学习到了一种潜在表示，使后续算法能够快速找到几乎可以到达预训练目标流形内任何目标的策略。组合策略还能够在预训练目标之间诱导出无碰撞的关节空间运动计划。
  • 与多种算法结合 ：该方法的一个主要优势是能够与多种现有的、特征明确的机器人自主算法相结合。除了无模型强化学习，还成功使用了手动编程（插值）和基于潜在空间的搜索规划，以快速到达预训练期间未见的目标和目