Key points are not available for this paper at this time.
O avanço da robótica nos últimos anos impulsionou o crescimento de aplicações robóticas para tarefas mais complexas que exigem capacidades de manipulação. Trabalhos recentes têm se focado na adaptação de métodos de aprendizado para aplicações de manipulação que são estocásticas e podem não convergir. Neste artigo, um método de aprendizado cinestésico baseado em marcha rápida em quadrados é apresentado. Este método apresenta grandes vantagens, como garantir a convergência, e é baseado no aprendizado a partir da experiência de um demonstrador humano. Para esse propósito, o demonstrador ensina caminhos guiando fisicamente um dos braços UR3 de um manipulador móvel. Após esta primeira fase, o método de aprendizado de marcha rápida é utilizado para fazer o robô aprender a partir dessa experiência. Como uma novidade, uma funcionalidade de auto-aprendizado é apresentada, que confere ao algoritmo de aprendizado cinestésico uma capacidade de exploração. A base deste algoritmo não é apenas usar as informações fornecidas pelas trajetórias ensinadas, mas também expandir sua capacidade para explorar estados desconhecidos do ambiente. A eficácia do método proposto foi avaliada por meio de simulações em ambientes 2D e 3D e em um manipulador móvel real. O processo de aprendizado é analisado com outras abordagens de aprendizado 2D usando o conjunto de dados LASA e é testado em cenários 3D complexos com diferentes obstáculos, provando sua eficácia.
Prados et al. (Sat,) estudaram essa questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: