Belirsiz dinamikler altında masa st nde model tabanlı Kavramayan manip lasyon

Veriye dayalı düzlemsel itme yöntemleri, analitik yaklaşımlara kıyasla, mühendislik çaba-sını azaltmayı ve genelleştirmeyi artırmayı hedefledikleri için takın zamanda ilgi görmeye başlamıştır. Mevcut çalışmalar genellikle dar kapsamlı olup belirli yeteneklere (ör. taraf değiştirme, hassasiyet, modelsiz öğrenme, tek görev vb.) odaklanmakta ve bu da daha geniş manipülasyon senaryolarındaki uygulanabilirliklerini sınırlamaktadır. Bu çalışmada, yeniden eğitime gerek duymadan tek bir öğrenilmiş model kullanarak birden fazla görevi ve amacı yerine getirmeyi hedefleyen model-tabanlı bir masaüstü itme çerçevesi sunulmaktadır. Yapılan çalışmaada, GRU-tabanlı bir model aracılığıyla nesne–çevre etkileşim dinamiklerini örtük biçimde yakalayan ve ek doğrusal olmayan katmanlar ile ifade gücü arttırılmış bir mimari tasarlanmıştır. Ek olarak, bu mimariye uygun özgün bir durum-hareket temsili geliştirilmiştir. Mimari ve temsil, itme becerisine özelleşmiş, ve belirsiz dinamiklere, farklı itme uzunluklarına, nesne tarafı değiştirilmesine ve çeşitli görev gereksinimlerine genelleyecek şekilde tasarlanmıştır. Kontrol için, öğrenilmiş dinamik modelinden yararlanarak uyarlanabilir ve görev odaklı eylemler üreten örnekleme-tabanlı bir model öngörülü denetleyici (Model Predictive Path Integral yönteminin özelleştirilmiş bir versiyonu), kullanılmaktadır. Önerilen yöntem, itme sırasında nesne tarafı değiştirmeyi mümkün kılmakta, değişken itme uzunluklarını desteklemekte ve hassas konumlama, yörünge takibi ve engelden kaçınma gibi çeşitli görevleri yerine getirme kapasitesine sahiptir. Model, simülasyondan gerçek ortama aktarımı kolaylaştırmak amacıyla alan rassallaştırılması kullanılarak elde edilen simülasyondan verilerinden eğitilmiştir. Önce-likle, mimari bileşenleri değerlendirmek için kapsamlı çalışmalar yürütülüp, tasarım kararlarının tahmin doğruluğunu artırdığını ve daha kararlı çıktılar sağladığını gösterilmektedir. Ardından, tam sistem hem simülasyonda hem de gerçek dünya deneylerinde, işaretsiz görsel takip donanımlı bir Franka Panda robotu kullanarak test edilmiştir. Sonuçlar, sıkı pozisyon ve açı eşiklerinde hassas konumlama için yüksek başarı oranlarına ek olarak yörünge takibi ve engelden kaçınma görevlerinde güçlü performans ortaya koymaktadır. Ek olarak, önerilen yöntemin çok yönlülüğü, denetleyicinin amaç fonksiyonu değiştirilerek birden fazla görevin çözülmesiyle, herhangi bir model yeniden eğitimi gerektirmeden gösterilmektedir. Yaklaşımımızın bir dezavantajı tek bir nesne türüne odaklanmasıdır. Ancak, bu temelden yola çıkarak daha ileri bir yöntem daha geliştirilmiştir. Bu yöntem için daha geniş itme uzunluklarını tahminleyebilen bir model eğitilmiş ve uzak hedeflere ulaşmak için gereken adım sayısını azaltan ve en etkili itme davranışlarnını seçen dengeli bir denetleyici daha tasarlanmış ve hassas konumlama görevinde başarıyla test edilmiştir.