Imitação de Comportamento para Controle de Manipulador e Apreensão com Aprendizado por Reforço Profundo

Os modelos existentes de Imitção de Movimento geralmente requerem dados de especialistas obtidos por meio de dispositivos MoCap, mas a vasta quantidade de dados de treinamento necessária é difícil de adquirir, exigindo investimentos substanciais de recursos financeiros, mão de obra e tempo. Este projeto combina estimativa de pose humana 3D com aprendizado por reforço, propondo um modelo inovador que simplifica a Imitção de Movimento em um problema de previsão de valores de ângulos articulares no aprendizado por reforço. Isso reduz significativamente a dependência de grandes quantidades de dados de treinamento, permitindo que o agente aprenda uma política de imitação com apenas alguns segundos de vídeo e exiba fortes capacidades de generalização. Ele pode aplicar rapidamente a política aprendida para imitar movimentos de braço humano em vídeos não familiares. O modelo primeiro extrai os movimentos esqueléticos dos braços humanos de um vídeo dado usando estimativa de pose humana 3D. Esses movimentos de braço extraídos são então retargeteados morfologicamente em um manipulador robótico. Subsequentemente, os movimentos retargeteados são usados para gerar movimentos de referência. Finalmente, esses movimentos de referência são usados para formular um problema de aprendizado por reforço, permitindo que o agente aprenda uma política para imitar movimentos de braço humano. Este projeto se destaca em tarefas de imitação e demonstra robusta transferibilidade, imitando com precisão os movimentos de braços humanos de outros vídeos não familiares. Este projeto fornece um modelo de Imitção de Movimento leve, conveniente, eficiente e preciso. Enquanto simplifica o complexo processo de Imitção de Movimento, alcança um desempenho notavelmente excelente.