动作捕捉系统用于机械臂运动规划与模仿学习
-
2022-11-17 -
深圳市瑞立视多媒体科技有限公司 - 浏览量:480
- 分享次数:0
近年来，随着机器人研究的不断发展，越来越多的功能需要机器人来实现，相应的行为也越来越复杂。简单的运动控制已经不能满足要求，特别是对于一些难以获得运动规律的任务，传统的控制方法无法实现。这就要求机器人具有更高的学习能力，能够与环境动态交互，应对未知情况。
机器学习可以用来解决机器人应用问题，即在传统方法失效的情况下，可以找到有效的策略来完成任务。机器学习算法可以分为三类:有监督学习、无监督学习和强化学习。其中，强化学习常用于处理复杂的决策任务，但决策空间往往巨大，且强化学习需要不断试错，因此样本复杂度往往较高，限制了强化学习在某些场景中的应用。
模仿学习是强化学习的一个分支，它直接从专家样本中学习。由于高质量的决策行为数据，模仿学习被认为是降低样本复杂度的一种手段。模仿也叫LearningfromDemenstration，通过指导者的动作和代码回归得到一个优化的机器人轨迹。模仿学习时，指导者根据任务要求对轨迹进行示教，并以相应的方式记录示教轨迹。