Aprendizaje de manipulación móvil mediante aprendizaje profundo por refuerzo

La manipulación móvil tiene una amplia gama de aplicaciones en robótica. Sin embargo, generalmente es más desafiante que la manipulación con base fija debido a la coordinación compleja entre una base móvil y un manipulador. Aunque trabajos recientes han demostrado que el aprendizaje profundo por refuerzo es una técnica poderosa para tareas de manipulación con base fija, la mayoría no son aplicables a la manipulación móvil. Este artículo investiga cómo aprovechar el aprendizaje profundo por refuerzo para abordar tareas de manipulación móvil de cuerpo entero en entornos no estructurados usando únicamente sensores a bordo. Se propone un sistema novedoso de manipulación móvil que integra algoritmos de aprendizaje profundo por refuerzo de última generación con percepción visual. Cuenta con un marco eficiente que desacopla la percepción visual del control por aprendizaje profundo por refuerzo, lo que permite su generalización del entrenamiento en simulación a la prueba en el mundo real. Resultados extensos en simulación y experimentos muestran que el sistema propuesto puede agarrar de forma autónoma diferentes tipos de objetos en varios escenarios de simulación y del mundo real, verificando la efectividad del sistema de manipulación móvil propuesto.