基于神经网络的马尔科夫决策过程,抓住双重操纵器的检测
Juntong Yun1, Du Jiang2, Li Huang3
1Key Laboratory of Metallurgical Equipment and Control Technology of Ministry of Education, Wuhan University of Science and Technology, Wuhan 430081, China; Research Center for Biomimetic Robot and Intelligent Measurement and Control, Wuhan University of science and Technology, Wuhan 430081, China.
概括
本研究介绍了一种新的双操纵器抓取检测模型,使用马尔科夫决策过程稳定地抓取复杂物体. 该方法在机器人掌握实验中取得了90.6%的成功率.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 智能机器人研究越来越专注于对各种应用的掌握检测.
- 稳定地抓住复杂,多重和未知的物体仍然是机器人技术的一个重大挑战.
研究的目的:
- 为增强对象操纵提出和验证双操纵器抓取检测模型.
- 使用马尔科夫决策过程框架,实现对复杂多重对象的稳定掌握.
主要方法:
- 开发了一种双操纵器抓取检测模型,整合了马尔科夫决策过程.
- 采用交叉卷积神经网络和完全卷积神经网络用于模型参数化.
- 训练有素的抓取检测网络使用模拟环境数据集用于双指和真空吸尘器操纵器.
主要成果:
- 拟议的双操纵器抓取检测方法在机器人抓取实验中表现出90.6%的成功率.
- 这一成功率明显超过了其他实验组的表现,验证了模型的有效性.
- 该研究确定了双指和真空吸尘器操纵器的优越抓取检测网络.
结论:
- 基于马尔科夫决策过程的双操纵器抓取检测方法对于复杂的对象操纵是可行的和优越的.
- 开发的模型为需要先进的抓取能力的智能机器人提供了强大的解决方案.
