Aprendendo a Manipular Objetos Articulados em Ambientes Não Estruturados Usando uma Representação Relacional Baseada em Fundamentos

Apresentamos uma abordagem baseada em aprendizado para manipulação em ambientes não estruturados. Essa abordagem permite a aquisição autônoma de expertise em manipulação a partir de interações com o ambiente. A expertise resultante permite que um robô realize manipulações eficazes com base em informações parciais do estado. A expertise em manipulação é representada em uma representação de estado relacional e aprendida usando aprendizado de reforço relacional. A representação relacional torna o aprendizado viável ao colapsar um grande número de estados em um único estado relacional. A representação do estado relacional está cuidadosamente fundamentada nas habilidades perceptuais e de interação do robô. Isso garante que o conhecimento aprendido simbolicamente permaneça significativo no mundo físico. Validamos experimentalmente a abordagem de aprendizado proposta na tarefa de manipular um objeto articulado para obter um modelo de sua estrutura cinemática. Nossos experimentos demonstram que a expertise em manipulação adquirida pelo robô leva a melhorias substanciais de desempenho. Essas melhorias são mantidas quando a experiência é aplicada a objetos não vistos anteriormente.