Skip Policy: Manipolazione Robotica Efficiente tramite Rielaborazione delle Azioni
Un nuovo approccio di apprendimento per imitazione chiamato Skip Policy (SkiP) salta dinamicamente i passi di controllo ridondanti e perfeziona le azioni solo nei momenti chiave come contatti e prese. Il metodo utilizza la rielaborazione delle azioni per superare segmenti di spazio libero in una singola decisione, senza richiedere un pianificatore di salto separato. Ciò riduce lo spreco computazionale nei compiti di manipolazione.
Fatti principali
- 1. Le politiche precedenti prevedono azioni ad ogni passo di controllo.
- 2. La maggior parte dei passi nelle traiettorie di manipolazione attraversa spazio libero con poche informazioni rilevanti per il compito.
- 3. I passi chiave intorno a contatti, prese e allineamento richiedono una previsione densa.
- 4. SkiP utilizza la rielaborazione delle azioni per sostituire i target di clonazione del comportamento con azioni all'ingresso del prossimo segmento chiave.
- 5. La politica salta dinamicamente i segmenti di salto e perfeziona le azioni nei segmenti chiave.
- 6. SkiP opera all'interno di una singola rete unificata senza un pianificatore di salto appreso.
- 7. Il metodo partiziona automaticamente le dimostrazioni in segmenti chiave e di salto.
- 8. L'articolo è disponibile su arXiv con ID 2605.15536.
Entità
Istituzioni
- arXiv