تعلم التقليد ذو العملين المشروط بالهدف لعمليات التلاعب الماهرة باستخدام الروبوتات ثنائية الذراع

التلاعب الماهر بالروبوتات للأجسام القابلة للتشويه على مدى طويل، مثل تقشير الموز، هو مهمة صعبة بسبب الصعوبات في نمذجة الأجسام ونقص المعرفة حول المهارات المستقرة والماهرة في التلاعب. تقدم هذه الورقة منهج التعلم العميق التقليدي ذو العملين المشروط بالهدف (GC-DA) الذي يمكنه تعلم مهارات التلاعب الماهر باستخدام بيانات عرض إنسان. تقوم الطرق السابقة في التعلم التقليدي بربط المدخلات الحسية الحالية والفعل التفاعلي، وغالبًا ما تفشل هذه الطرق بسبب الأخطاء المتراكمة في التعلم التقليدي الناجمة عن الحساب المتكرر للأفعال. يتوقع المنهج الفعل التفاعلي فقط عندما تكون عملية التManipulation الدقيقة للجسم المستهدف مطلوبة (فعل محلي) وينتج المسار الكامل عندما لا تكون عملية التManipulation الدقيقة مطلوبة (فعل عالمي). تعالج هذه الصياغة ذات العملين بشكل فعال الأخطاء المتراكمة في التعلم التقليدي باستخدام الفعل العالمي المستند إلى المسار بينما تستجيب للتغيرات غير المتوقعة في الجسم المستهدف أثناء الفعل المحلي التفاعلي. تم اختبار المنهج المقترح على روبوت حقيقي ذو ذراعين وحقق بنجاح مهمة تقشير الموز.