DeepMind研究人员研发出了一种解决机器人控制问题的混合方案
2020-01-10 13:21:04爱云资讯
机器人技术的基本问题既涉及离散变量(比如控制模式或齿轮切换的选择),又涉及连续变量(比如速度设定点和控制增益)。通常来说,由于算法或控制策略并不总是适合的,因此这些问题很难解决。这就是为什么谷歌母公司Alphabet的DeepMind的研究人员最近提出了一种技术:连续-离散混合学习,即可以同时优化离散和连续动作,以其本来的形式处理混合问题。
在预印本服务器Arxiv.org上发表的一篇论文详细介绍了他们的工作,这篇论文也在去年10月日本大阪的第三届机器人学习会议上被人接受。作者写道:“许多先进的方法都进行了优化,它们能很好处理离散的或是连续的动作空间,但是却很少有方法能同时处理。能够使用同一算法强大地处理离散和连续动作空间,使我们能够针对任何给定问题都能选择最自然的解决方案策略,而不是让算法上的便利性来决定做出哪种选择。”
团队研发的无模型算法,是指利用强化学习或者奖励实现目标的自主代理人的培训技术,通过连续和离散动作空间来解决控制问题,并通过受控和自主切换来解决混合最优控制问题。此外,这种算法通过使用“元动作”或其他类似方案来扩大动作空间(分别定义了代理人可能感知和采取的状态和动作的范围),从而为解决现有的机器人问题提供了新颖的解决方案,并使策略可以解决类似人工智能训练期间的机械磨损等挑战
。
来源:DeepMind
DeepMind机器人技术
研究人员在一系列模拟和现实基准测试中验证了他们的方法,包括Rethink Robotics公司的Sawyer机器人手臂。据称,基于给定的到达、抓取和拿起魔方的任务,其中奖励是三个子任务的总和,因此他们的算法要优于无法解决任务的现有方法。
那是因为到达魔方需要代理人打开手臂的抓具,而抓取方块需要关闭抓具。作者写道:“一开始,基线将大部分概率集中在较小的动作值上,因此很难移动抓具的手指来看到任何奖励,从而解释了学习曲线上的平稳期。另一方面,这个算法能始终以全速操作抓具,因此改进了探查性,使机器人可以完全完成任务。”
在一个单独的实验中,团队将其算法设置为参数化动作空间马尔可夫决策过程(PAMDP)或一个分层问题,其中,代理人首先选择离散动作,然后为该动作选择一组连续的参数集。在这种情况下,代理人的任务是操纵机器人手臂,以便将钉子插入孔中,然后根据孔的位置和运动学来计算奖励。
研究人员表示,他们的方法比精细方法和粗略方法获得了更大的回报,并且这种算法将来可以作为基础应用到更多的混合强化学习中。论文中写道:“对于专业设计师而言,事先选择合适的模式可能很困难。而我们的方法是很有用的,因为它只需要一个实验,而别的方法都需要通过消融来进行验证。”
相关文章
- 提供无人配送服务解决方案,九号公司机器人“方糖”让服务效率更高
- AI、机器人、商业航天、智慧城市......中关村展团闪耀2024香港国际创科展
- 旗舰新品、西门子官宣!节卡机器人亮相汉诺威工业博览会,全球智造再升级
- 首届DRE生活机器人出口展在穗开幕,引领全球产业发展新篇章
- 云鲸逍遥001全智能清洁机器人发布,年度旗舰洗地机S2亮相
- 人形机器人浪潮汹涌商业奇点已至,微美全息全面发力抢滩高潜力产业赛道
- 云鲸逍遥001全智能清洁机器人发布,配备基站集尘和轻集尘双版本
- 蓝芯科技重磅发布智能搬运机器人VMR-FR31510L
- 爆款再升级!海尔机器人洗地机小海豚新品A500Pro线上预售开启
- 数字化智慧无人配送建设再度升级|九号机器人亮相第135届广交会
- 人形机器人行业迎发展重要转折点,苹果/微美全息前瞻布局共研AI+创新应用新篇章
- 科大讯飞携手EX机器人,重塑人机交互新未来
- 如何利用UR机器人提升工厂效率?
- 石头科技自清洁机器人获TÜV南德母婴级扫地机认证标志
- 极智嘉三度斩获 “RBR50 全球机器人创新奖”
- Geek+ 第三次获得 RBR 创新奖,步入全球顶级机器人创新者之列
热门文章
头条文章
重点文章
推荐文章
热点文章