在研究中，他们发现，这种机制需要允许用户快速诊断问题并改进机器人的行为。例如在“让机器人拿起书并插入书架”的任务中，由于这是一个复合动作指令，机器人的末端执行器在抓取书籍后与书架的方向不一致，使得准确插入书架变得不可能。这就需要快速在线语言修正，改进机器人的行为，更明确、精确地控制机器人的动作方向。
为此，他们选择用Franka Emika开源版的机器人来完成这项复杂的操作任务，因为该机器人能够在人与机器人的共享交互过程中形成一个更容易调整的控制空间，这种控制方式不同于传统人机交互的离散控制，而是通过状态编码器快速帮助用户获取关节角度和末端效应器姿势，即便在低自由度下，也能够使得每一次实时校正都有大量能让人类再次细化控制的空间，实现更为精确、有效的行为扩展，因此对于环境的适应性更强。
另外作者认为，该机器人还带来一个额外的好处，那就是只需要机器人少量的演示学习，就可以完成特定任务的非线性映射，即学习一个单一的静态映射就可以用于整个场景事件，并快速覆盖多个关键故障问题。这无疑节省了大量的训练时间和成本。
相关文章
关于作者
猜你喜欢
