一种基于生成对抗网络与模型泛化的机器人推抓技能学习方法

作者：吴培良^*; 刘瑞军; 李瑶; 陈雯柏; 高国伟

来源：仪器仪表学报, 2022, 43(05): 244-253.

DOI：10.19650/j.cnki.cjsi.J2209304

• 推抓技能学习
• 生成对抗网络
• DQN
• 模型泛化

杂乱环境中机器人推动与抓取技能自主学习问题被学者广泛研究，实现二者之间的协同是提升抓取效率的关键，本文提出一种基于生成对抗网络与模型泛化的深度强化学习算法GARL-DQN。首先，将生成对抗网络嵌入到传统DQN中，训练推动与抓取之间的协同进化；其次，将MDP中部分参数基于目标对象公式化，借鉴事后经验回放机制(HER)提高经验池样本利用率；然后，针对图像状态引入随机(卷积)神经网络来提高算法的泛化能力；最后，设计了12个测试场景，在抓取成功率与平均运动次数指标上与其他4种方法进行对比，在规则物块场景中两个指标分别为91.5%和3.406;在日常工具场景中两个指标分别为85.2%和8.6,验证了GARL-DQN算法在解决机器人推抓协同及模型泛化问题上的有效性。

• 单位
  燕山大学; 自动化学院; 北京信息科技大学