InsertionNet - A Scalable Solution for Insertion 论文阅读

2023-10-29 02:21

本文主要是介绍InsertionNet - A Scalable Solution for Insertion 论文阅读,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

InsertionNet - A Scalable Solution for Insertion 论文阅读

论文地址:InsertionNet - A Scalable Solution for Insertion | IEEE Journals & Magazine | IEEE Xplore

image-20220630113317773

一、要解决什么问题?

We introduced a novel framework for learning a wide range of insertion tasks. We address the wear-and-tear and safety issues in contact-rich tasks by formulating the residual policy in a regression form.

原来是说,强化学习在学习残余策略的过程中会带来磨损和安全性的问题(关于residual RL大家可以自行学习)。所以打算用回归的方式学习这个残余策略。但是回归数据采集过程不是也会有磨损之类的嘛(笑)?只能说能对上述磨损和安全性问题进行一定程度的限制。

二、创新点是什么?

1、把强化学习的过程弄成了监督学习。

2、反向学习,也就是从目标位置倒回去采数据。这其实很常见,在插孔的IRL中,有不少从孔底“拔”出来的运动过程中采集数据的。

3、关于视觉和触觉的数据增强。

4、16种插孔任务。展示效果很赞。

三、具体做法是什么?

在这里就介绍一下主要思想,不放特别具体的了。

1、整体插孔策略

策略分两部分:在接触前利用视觉粗定位信息计算轨迹,然后用PD控制跟踪;在接触后转用监督学习获得的残余策略,完成插孔部分。正好对应作者非常引以为傲的两个real-sense的安装方式。

image-20220630165157167

其中45°的real-sense用于残余策略的数据采集,竖直向下的real-sense使用ORB算法进行视觉粗定位。

2、残余策略

按照以往的经验,大伙都是用强化学习做这部分策略的。转念一想,策略无非是个状态空间到动作空间的映射为什么不能用监督学习呢?规定了多模态输入,以及控制输出,再把网络一搭,一个监督网络框架就有了。剩下的难点主要是数据的采集,特别是标签数据(机器人控制输出)怎么打上。
image-20220630170040732

3、数据采集

上面也提到了,采数据过程是反过来的。先记录最终状态,然后在一个圆盘大小的地方去采样前一个姿态,并从最终状态运动过去。当在运动过程中力和力矩超过设定阈值,就记录当前数据为数据集,标签则为当前位姿与目标位姿的差。
B x y ≜ { ( x , y ) : ∥ ( x , y ) − ( x 0 , y 0 ) ∥ ∞ < b 0 } B _ { x y } \triangleq \{ ( x , y ) : \| ( x , y ) - ( x _ { 0 } , y _ { 0 } ) \| _ { \infty } < b _ { 0 } \} Bxy{(x,y):(x,y)(x0,y0)<b0}
上式表明了采样点限定的范围,其中b0是人为设定的(在文中是10mm),有了数据就当一个监督学习train就行了。文中还说用了2个2080Ti就train了40分钟,网络本身还是比较简单的。

四、实验是怎么设计的?

本文设计实验为了验证的四个点都是与泛用性相关的,好是好但总觉得少了些什么(比如与RL的对比?)。

五、简单总结

关注机器人插孔任务的值得一看!这个内容看起来相对简单一些,复现起来难度应该也要低一些。另外,这篇论文的创新性似乎还有些欠缺,就像在创新性分析的那章讲的,方法早就已经不是什么新方法了。不过能在16种插孔任务上都有不错的表现,也值得承认这种方法的高效与通用。

这篇关于InsertionNet - A Scalable Solution for Insertion 论文阅读的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/297630

相关文章

JAVA智听未来一站式有声阅读平台听书系统小程序源码

智听未来,一站式有声阅读平台听书系统 🌟&nbsp;开篇:遇见未来,从“智听”开始 在这个快节奏的时代,你是否渴望在忙碌的间隙,找到一片属于自己的宁静角落?是否梦想着能随时随地,沉浸在知识的海洋,或是故事的奇幻世界里?今天,就让我带你一起探索“智听未来”——这一站式有声阅读平台听书系统,它正悄悄改变着我们的阅读方式,让未来触手可及! 📚&nbsp;第一站:海量资源,应有尽有 走进“智听

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

论文翻译:arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey

Benchmark Data Contamination of Large Language Models: A Survey https://arxiv.org/abs/2406.04244 大规模语言模型的基准数据污染:一项综述 文章目录 大规模语言模型的基准数据污染:一项综述摘要1 引言 摘要 大规模语言模型(LLMs),如GPT-4、Claude-3和Gemini的快

论文阅读笔记: Segment Anything

文章目录 Segment Anything摘要引言任务模型数据引擎数据集负责任的人工智能 Segment Anything Model图像编码器提示编码器mask解码器解决歧义损失和训练 Segment Anything 论文地址: https://arxiv.org/abs/2304.02643 代码地址:https://github.com/facebookresear

论文翻译:ICLR-2024 PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS

PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS https://openreview.net/forum?id=KS8mIvetg2 验证测试集污染在黑盒语言模型中 文章目录 验证测试集污染在黑盒语言模型中摘要1 引言 摘要 大型语言模型是在大量互联网数据上训练的,这引发了人们的担忧和猜测,即它们可能已

OmniGlue论文详解(特征匹配)

OmniGlue论文详解(特征匹配) 摘要1. 引言2. 相关工作2.1. 广义局部特征匹配2.2. 稀疏可学习匹配2.3. 半稠密可学习匹配2.4. 与其他图像表示匹配 3. OmniGlue3.1. 模型概述3.2. OmniGlue 细节3.2.1. 特征提取3.2.2. 利用DINOv2构建图形。3.2.3. 信息传播与新的指导3.2.4. 匹配层和损失函数3.2.5. 与Super

软件架构模式:5 分钟阅读

原文: https://orkhanscience.medium.com/software-architecture-patterns-5-mins-read-e9e3c8eb47d2 软件架构模式:5 分钟阅读 当有人潜入软件工程世界时,有一天他需要学习软件架构模式的基础知识。当我刚接触编码时,我不知道从哪里获得简要介绍现有架构模式的资源,这样它就不会太详细和混乱,而是非常抽象和易

BERT 论文逐段精读【论文精读】

BERT: 近 3 年 NLP 最火 CV: 大数据集上的训练好的 NN 模型,提升 CV 任务的性能 —— ImageNet 的 CNN 模型 NLP: BERT 简化了 NLP 任务的训练,提升了 NLP 任务的性能 BERT 如何站在巨人的肩膀上的?使用了哪些 NLP 已有的技术和思想?哪些是 BERT 的创新? 1标题 + 作者 BERT: Pre-trainin

[论文笔记]LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale

引言 今天带来第一篇量化论文LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale笔记。 为了简单,下文中以翻译的口吻记录,比如替换"作者"为"我们"。 大语言模型已被广泛采用,但推理时需要大量的GPU内存。我们开发了一种Int8矩阵乘法的过程,用于Transformer中的前馈和注意力投影层,这可以将推理所需

【阅读文献】一个使用大语言模型的端到端语音概要

摘要 ssum框架(Speech Summarization)为了 从说话人的语音提出对应的文本二题出。 ssum面临的挑战: 控制长语音的输入捕捉 the intricate cross-mdoel mapping 在长语音输入和短文本之间。 ssum端到端模型框架 使用 Q-Former 作为 语音和文本的中介连接 ,并且使用LLMs去从语音特征正确地产生文本。 采取 multi-st