【AI视野·今日Robot 机器人论文速览 第六十五期】Mon, 30 Oct 2023

AI视野·今日CS.Robotics 机器人学论文速览
Mon, 30 Oct 2023
Totally 18 papers
👉上期速览✈更多精彩请移步主页

Daily Robotics Papers

Gen2Sim: Scaling up Robot Learning in Simulation with Generative Models Authors Pushkal Katara, Zhou Xian, Katerina Fragkiadaki 多面手机器人操纵者需要学习跨不同环境的各种操纵技能。当前的机器人训练流程依赖于人类提供动觉演示或对模拟环境进行编程以及为强化学习编写奖励函数。这种人类的参与是扩大机器人在不同任务和环境中学习的一个重要瓶颈。我们提出了 Generation to Simulation Gen2Sim，这是一种通过使用大型预先训练的语言和视觉生成模型自动生成 3D 资产、任务描述、任务分解和奖励函数来扩展模拟中机器人技能学习的方法。我们使用图像扩散模型将开放世界 2D 以对象为中心的图像提升为 3D，并查询 LLM 以确定合理的物理参数，从而生成用于模拟的 3D 资产。给定生成的和人类开发的资产的 URDF 文件，我们的思想链提示法学硕士将这些映射到相关的任务描述、时间分解和相应的用于强化学习的 python 奖励函数。我们证明 Gen2Sim 在各种长期任务的学习策略方面取得了成功，而使用非时间分解奖励函数的强化学习却失败了。 Gen2Sim 为在模拟中扩大机器人操纵器的强化学习提供了一条可行的途径，既通过多样化和扩展任务和环境开发，又通过 RL 中的时间任务分解促进强化学习行为的发现。

Socially Cognizant Robotics for a Technology Enhanced Society Authors Kristin J. Dana, Clinton Andrews, Kostas Bekris, Jacob Feldman, Matthew Stone, Pernille Hemmer, Aaron Mazzeo, Hal Salzman, Jingang Yi 机器人技术的新兴应用以及对其影响的担忧要求研究界将以人为本的目标放在首位和中心。为了应对这一挑战，我们提倡采用跨学科方法，即社会认知机器人技术，它综合了技术和社会科学方法。我们认为，这种方法源于需要授权利益相关者参与，从同步人类反馈到异步社会评估，以塑造各个层面的人工智能驱动的机器人行为，并带来一系列新颖的研究观点和问题，以改善机器人与个人的互动，以及改善机器人与个人的互动。对社会的影响。根据这些论点，我们开发了具有社会认知的机器人设计的最佳实践，以平衡基于传统技术的指标，例如

Interactive Motion Planning for Autonomous Vehicles with Joint Optimization Authors Yuxiao Chen, Sushant Veer, Peter Karkus, Marco Pavone 在高度交互的驾驶场景中，一个智能体的行为会极大地影响其邻居的行为。因此，在这种交互式环境中规划自动驾驶车辆的安全运动需要推理自我预期运动计划对附近智能体行为的影响。基于深度学习的模型最近在轨迹预测方面取得了巨大成功，文献中的许多模型都允许自我条件预测。然而，由于神经网络的复杂性，利用自我条件预测在下游规划中仍然具有挑战性，将规划器结构限制为简单的结构，例如基于采样的规划器。尽管它们能够生成细粒度的高质量运动计划，但基于梯度的规划算法（例如模型预测控制 MPC）由于其迭代性质和对梯度的需要而很难利用自我条件预测。我们提出了交互式联合规划 IJP，它以计算可扩展的方式将 MPC 与学习的预测模型联系起来，为我们提供两全其美的方案。特别是，IJP 联合优化自我和周围代理的行为，并利用深度学习的预测模型作为连接轨迹优化试图保持接近的预测先验。此外，通过利用同伦类，