机器人从示范中强化学习处理可变形食品物体
原文中文，约300字，阅读约需1分钟。发表于：。本文提出了一种基于示教学习（LfD）的鲁棒学习策略，用于机器人抓取食品可变形物体，通过 RGB-D 图像和触觉数据的融合来实现有效的机器人操纵，验证并证明了该方法在脆弱和可变形食品物体领域具有广泛的潜在应用。
本研究利用半监督学习方式，操作机器人识别实物属性并生成所需运动。研究结果表明，该方法成功识别物理属性并生成期望的擦拭运动，且优于其他无预训练方法。同时，通过实际机器人硬件验证了模型生成的运动，并通过预训练触觉表示编码器提高了实验结果的泛化能力。
