Grasping Student: semi-supervised learning for robotic manipulation

要約

つかむためのロボット学習システムを構築する場合、ロボットから実世界のデータを収集することがすぐにボトルネックになります。
この作業では、ロボット経験の小さなサンプルに加えて、ロボットとの対話なしで収集されるピッキングされる製品の画像を利用する、半教師付き把持システムを設計します。
シミュレーションと現実世界の両方で調査結果を検証します。
少数のロボット トレーニング サンプルの体制では、ラベル付けされていないデータを利用することで、ベースラインで使用されるデータセット サイズの 10 倍のレベルでパフォーマンスを達成できます。
この論文で使用されているコードとデータセットは、https://github.com/nomagiclab/grasping-student で公開されます。

要約(オリジナル)

Gathering real-world data from the robot quickly becomes a bottleneck when constructing a robot learning system for grasping. In this work, we design a semi-supervised grasping system that, on top of a small sample of robot experience, takes advantage of images of products to be picked, which are collected without any interactions with the robot. We validate our findings both in the simulation and in the real world. In the regime of a small number of robot training samples, taking advantage of the unlabeled data allows us to achieve performance at the level of 10-fold bigger dataset size used by the baseline. The code and datasets used in the paper will be released at https://github.com/nomagiclab/grasping-student.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google