FenixEdu™

Dissertação

Deep Reinforcement Learning of the Inverse Pushing Model in Robotics EVALUATED

Detalhes: Esta tese apresenta uma abordagem de aprendizagem por reforço profunda para aprender modelos inversos de ações de empurrar objetos individuais, dada a disponibilidade do modelo direto. A abordagem proposta consegue aprender o modelo inverso que permite selecionar a melhor ação para empurrar um determinado objeto de modo a cumprir uma tarefa, para o qual é possível obter uma nuvem de pontos em tempo real. Este trabalho ilustra a aplicação desta abordagem em objetos do tipo caixa. As ações que empurram os objetos numa superfície plana são do tipo quase-estático em duas dimensões. Os modelos inversos são aprendidos para um conjunto discreto de ações e têm como objetivo empurrar os objetos para o mais próximo possível da posição e orientação desejadas numa única ação. As ações são parametrizadas por pontos de contacto amostrados na superfície do objeto e por modelos de movimento que representam deslocações lineares e angulares possíveis para o robot dado. As posições e orientações desejadas são amostradas de uma densidade de probabilidade Gaussiana treinada a partir de resultados obtidos a partir do modelo direto. No ambiente considerado, a abordagem proposta consegue taxas de sucesso de cerva de 80%.
Keywords: Aprendizagem por Reforço, Empurrar Objectos, Robots Móveis, Modelos Diretos, Modelos Inversos

Discussão: fevereiro 15, 2021, 14:0