Robots have several requirements, including environmental adaptability, to operate in the real-world environment. Moreover, the desired success rate for task completion must be achieved. In this regard, end-to-end learning for autonomous operation is currently being investigated. However, the issue of the operating speed has not been investigated in detail. Therefore, in this study, we propose a method for generating variable operating speeds while adapting to perturbations in the environment. When the work speed changes, a nonlinear relationship occurs between the operating speed and force (e.g., inertial and frictional forces). However, the proposed method can be adapted to nonlinearities by utilizing a small amount of motion data. We experimentally evaluated the proposed method by erasing a line using an eraser fixed to the tip of the robot. Furthermore, the proposed method enables a robot to perform a task faster than a human operator and is capable of operating at the control bandwidth.


翻译:机器人在现实环境中操作有若干要求,包括环境适应性;此外,必须达到完成任务的预期成功率。在这方面,目前正在调查自主操作的端到端学习;然而,操作速度问题尚未详细调查。因此,在本研究中,我们提出一种方法,在适应环境扰动的同时,产生可变操作速度。当工作速度变化时,操作速度和力量(例如惯性力和摩擦力)之间出现非线性关系时,提议的方法可以通过使用少量运动数据来适应非线性。我们实验性地评估了拟议方法,用固定在机器人顶部的橡皮抹除线。此外,拟议方法使机器人能够比人类操作者更快地执行任务,并能在控制带宽下操作。

0
下载
关闭预览

相关内容

专知会员服务
141+阅读 · 2021年3月17日
一份简单《图神经网络》教程,28页ppt
专知会员服务
123+阅读 · 2020年8月2日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【MIT】反偏差对比学习,Debiased Contrastive Learning
专知会员服务
90+阅读 · 2020年7月4日
【Google】监督对比学习,Supervised Contrastive Learning
专知会员服务
73+阅读 · 2020年4月24日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
机器人开发库软件大列表
专知
10+阅读 · 2018年3月18日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Max-Margin Contrastive Learning
Arxiv
17+阅读 · 2021年12月21日
Arxiv
4+阅读 · 2021年10月19日
Arxiv
5+阅读 · 2020年10月22日
Arxiv
4+阅读 · 2020年3月27日
Learning Blind Video Temporal Consistency
Arxiv
3+阅读 · 2018年8月1日
VIP会员
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
机器人开发库软件大列表
专知
10+阅读 · 2018年3月18日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员