接触操作技能迁移框架

动态环境泛化

结合演示学习、行为树和宽度学习系统，使机器人在未知或动态环境下自主完成多步接触操作任务，并具备跨环境泛化能力。

Dong, Jiale · Si, Weiyong · 杨辰光

Robotic Intelligence and Automation 2023

技术优势

适应动态环境

行为树根据环境状态和机器人本体状态选择合适运动原语，使机器人能应对环境变化。

跨任务泛化

改进的动态运动原语具有更好的泛化能力，同一任务在不同环境下也能成功执行。

在线权重优化

每次成功执行后优化宽度学习系统的权重，使性能逐步提升。

应用场景

• 机器人操作：让机器人自主完成多步接触操作，减少人工示教和编程。
• 技能迁移：从演示中学习技能并泛化到新环境，无需重新编程。
• 工业装配：用于轴孔装配等精密操作，提升自动化装配的柔性和效率。
• 动态环境适应：在环境变化时自动调整运动策略，保证任务执行的成功率。