计算机科学>机器人
标题: 利用用户先验学习基于技能的工业机器人任务
摘要: 机器人技能系统旨在减少新制造任务的机器人设置时间。 然而,对于灵巧、接触丰富的任务,往往很难找到正确的技能参数。 一种策略是通过允许机器人系统直接学习任务来学习这些参数。 对于学习问题,机器人操作员通常可以指定参数的类型和范围。 然而,考虑到他们之前的经验,机器人操作员应该能够通过提供关于在参数空间中哪里可以找到潜在的最佳解决方案的有根据的猜测来进一步帮助学习过程。 有趣的是,这种先验知识在当前的机器人学习框架中没有得到利用。 我们引入了一种结合用户先验和贝叶斯优化的方法,以允许在机器人部署时快速优化机器人工业任务。 我们对在仿真中学习的三个任务以及在实际机器人系统中直接学习的两个任务评估了我们的方法。 此外,我们通过从性能良好的配置中自动构建先验信息,从相应的仿真任务中传递知识,以便在实际系统上学习。 为了处理可能存在冲突的任务目标,将任务建模为多目标问题。 我们的结果表明,操作员先验信息(用户特定的和传输的)大大加快了丰富的帕累托前沿的发现,并且通常产生的最终性能远远优于建议的基线。