微客导航 » 文章资讯 » IROS 2021 | 基于无监督学习环境模型的机器人运动控制

IROS 2021 | 基于无监督学习环境模型的机器人运动控制

2023-04-11 09:13:41 474

AI科技评论报道

导读：本文是机器人领域顶级会议 IROS 2021入选论文《基于无监督学习环境模型的机器人运动控制（DMotion: Robotic Visuomotor Control with Unsupervised Forward Model Learned from Videos）》的解读。该论文由北京大学前沿计算研究中心董豪课题组主导完成。

项目主页：https://hyperplane-lab.github.io/dmotion/

论文地址：https://arxiv.org/abs/2103.04301

研究背景

在机器人控制、基于模型的强化学习领域，学习环境的模型是重要的问题。现有方法学习环境模型通常需要大量从环境中采集的带标签的数据，如智能体动作、物体位置、运动的真实标注，在许多现实场景的应用中有局限性。

而认知科学的研究认为，人类婴儿能够仅通过视觉观察，建立物理世界的模型、进行预测。无监督地建立物理模型能够帮助人类与环境交互、操控工具来完成各种任务。如图1的例子所示：玩家 B 通过观察玩家 A 操作，学习如何玩一个游戏。为学会玩游戏，玩家 B 需要建立游戏的模型，知道键盘上的操作（动作标注）与画面中主角动作的对应关系、采取某个动作会如何影响游戏的状态。现实中，玩家 B 大部分时间都会只关注游戏画面，而不去观察玩家 A 操作键盘的每一个动作。对游戏模型的理解，例如哪个是主角、主角和游戏环境是怎么互动的，大多是通过观看游戏画面完成的；观察键盘的操作仅仅是为了知道如何去控制主角的每个动作。

图1. 学习玩游戏的例子

受此启发，我们研究如何利用缺少动作标注的视频数据学会环境模型，来实现基于模型的机器人运动控制。如下图所示，我们提出的方法（DMotion）首先从无监督的视频中解耦智能体的运动、学习物体之间的交互规律；最后通过少量的带有动作标注的数据，DMotion 建立动作标注到智能体运动的映射，学会环境模型。

图2. DMotion学习“机器人推物体”环境的过程

方法简介

图3. DMotion的训练框架，由Object Extractor和Interaction Learner组合，进行端到端的学习

问题定义：环境是马尔可夫决策过程

(S,A,P)

，假设只有一个智能体，动作

a/in A

控制智能体的位移，观测空间是 RGB 图像

x/in X

。提供环境中采集的视频数据

/{/tau =(x_1,/ldots,x_T)/}

和少量带动做标注的数据

/{(x_t,a_t,x_{t+1})/}

作为训练数据，任务的目标是得到环境的模型

P(x_{t+1}|x_{1:t},a_t)

。

物体解耦模块（Object Extractor）：图像编码器（Image Encoder）将输入图像

x_t

分解为一组特征图

/left/{m_t^i/right/}_{i=0}^{n-1}

，来表示不同物体的空间位置信息。运动编码器（Motion Encoder）输入连续几帧图像

(x_t,x_{t+1})

，输出一组空间变换矩阵

/left/{/varphi_t^i/right/}_{i=0}^{n-1}

，来表示每个物体从时刻

t

返回顶部
3162201930
czq8825@qq.com

IROS 2021 | 基于无监督学习环境模型的机器人运动控制

热门推荐

随机推荐