资源描述:
《机器人抓取研究前沿及抓取的研究进展整体分析.doc》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、机器人抓取研究前沿及抓取的研究进展整体分析前言 一年前我们曾探讨过RobotLearning的发展>>梳理
2、机器人学习(RobotLearning)的发展,那么经过近一年的发展,RobotLearning也有了很多新的进展,特别在MetaLearning上。不过今天我们先来专门探讨RobotLearning中的一个具体应用,也就是机器人抓取RoboticManipulaTIon/Grasping。为什么专门考虑这个问题?因为这个是体现机器人智能目前最亟待解决的问题之一。 我们可以考虑一下家用机器人需要具备什么样的智能?可以
3、说最主要就是要具备两方面的能力,一个是移动导航能力,另一个就是机械臂的抓取能力。所以像下图这个Fetch机器人其实就满足了家用机器人所需的硬件了。我们今天不谈移动导航的问题,只来谈谈机器人抓取这个问题的研究前沿。 对于机器人抓取,其实本身有很多研究的具体问题和方式,比如目前抓取No.1的系统是伯克利的Dex-Net4.0,有兴趣的朋友可以看看这篇报道:Exclusive:Thisisthemostdexterousrobotevercreated,但是Dex-Net并不是一个端到端的深度学习系统,它只是用神经网络来对抓取
4、的位置进行估计,然后通过planning的方式来抓取,本质上是一个开环控制系统。这样的系统对于完全静态简单的物体是没问题,但是如果物体有阻挡,有改变,那这个系统就比较难处理了。所以,鉴于本专栏的偏好是通用人工智能AGI,我们在这里只想关注一种解决机器人抓取的方式,那就是: End-to-EndVision-BasedRoboTIcManipulaTIon端到端基于视觉的机器人抓取 我们希望整个机器人抓取过程都是机器人自己学到的!这就非常近似于人类的行为! 那么有了这个主题,我们就来看看这方面的研究都有谁,基本上可以说就集
5、中在两个团队: 1)GoogleBrainRoboTIcs团队 2)伯克利SergeyLevine团队 除此之外,Deepmind,OpenAI,Stanford的LiFei-Fei团队还有CMU的AbhinavGupta团队有一些亮眼的研究,但并没有特别专注在RoboticManipulation这个问题上。然后实际上GoogleBrain团队SergeyLevine也在其中,所以接下来我们看到的paper基本上都出自SergeyLevine之手! PaperList [1]Sadeghi,Fereshteh,et
6、al. ”Sim2realviewinvariantvisualservoingbyrecurrentcontrol.”arXivpreprintarXiv:1712.07642(2017). [2]Riedmiller,Martin,etal. ”LearningbyPlaying-SolvingSparseRewardTasksfromScratch.”arXivpreprintarXiv:1802.10567(2018). [3]Quillen,Deirdre,etal. ”DeepReinforcementLear
7、ningforVision-BasedRoboticGrasping:ASimulatedComparativeEvaluationofOff-PolicyMethods.”arXivpreprintarXiv:1802.10264(2018). [4]Haarnoja,Tuomas,etal. ”ComposableDeepReinforcementLearningforRoboticManipulation.”arXivpreprintarXiv:1803.06773(2018). [5]Fang,Kuan,etal.
8、 ”LearningTask-OrientedGraspingforToolManipulationfromSimulatedSelf-Supervision.”arXivpreprintarXiv:1806.09266(2018). [6]Kalashnikov,Dmitry,etal. ”QT-Opt:ScalableDeepReinforcementLearningforVision-BasedRoboticManipulation.”arXivpreprintarXiv:1806.10293(2018). [7]M
9、atas,Jan,StephenJames,andAndrewJ.Davison. ”Sim-to-RealReinforcementLearningforDeformableObjectManipulation.”arXivpreprintarXiv:1806.07851(