机器人抓取研究前沿及抓取的研究进展整体分析.doc

机器人抓取研究前沿及抓取的研究进展整体分析
前言
一年前我们曾探讨过Robot Learning的发展>>梳理| 机器人学习(Robot Learning)的发展,那么经过近一年的发展,Robot Learning也有了很多新的进展,特别在Meta Learning上。不过今天我们先来专门探讨Robot Learning中的一个具体应用,也就是机器人抓取Robotic ManipulaTIon/Grasping。为什么专门考虑这个问题?因为这个是体现机器人智能目前最亟待解决的问题之一。
我们可以考虑一下家用机器人需要具备什么样的智能?可以说最主要就是要具备两方面的能力,一个是移动导航能力,另一个就是机械臂的抓取能力。所以像下图这个Fetch机器人其实就满足了家用机器人所需的硬件了。我们今天不谈移动导航的问题,只来谈谈机器人抓取这个问题的研究前沿。

对于机器人抓取,其实本身有很多研究的具体问题和方式,比如目前抓取No. ,有兴趣的朋友可以看看这篇报道:Exclusive: This is the most dexterous robot ever created, 并不是一个端到端的深度学习系统,它只是用神经网络来对抓取的位置进行估计, 然后通过planning的方式来抓取,本质上是一个开环控制系统。这样的系统对于完全静态简单的物体是没问题,但是如果物体有阻挡,有改变,那这个系统就比较难处理了。所以,鉴于本专栏的偏好是通用人工智能AGI,我们在这里只想关注一种解决机器人抓取的方式,那就是:
End-to-End Vision-Based RoboTIc ManipulaTIon 端到端基于视觉的机器人抓取
我们希望整个机器人抓取过程都是机器人自己学到的!这就非常近似于人类的行为!
那么有了这个主题,我们就来看看这方面的研究都有谁,基本上可以说就集中在两个团队:
1)Google Brain RoboTIcs团队
2) 伯克利Sergey Levine团队
除此之外,Deepmind,OpenAI,Stanford的Li Fei-Fei团队还有CMU的Abhinav Gupta团队有一些亮眼的研究,但并没有特别专注在Robotic Manipulation这个问题上。然后实际上Google Brain团队Sergey Levine也在其中,所以接下来我们看到的paper基本上都出自Sergey Levine之手!
Paper List
[1] Sadeghi, Fereshteh, et al. ”Sim2real view invariant visual servoing by recurrent control.”arXiv preprint arXiv:(2017).
[2] Riedmiller, Martin, et al. ”Learning by Playing-Solving Sparse Reward Tasks from Scratch.”arXiv preprint arXiv:(2018).
[3] Quillen, Deirdre, et al. ”Deep Reinforcement Learning for Visio