改进低成本遥操作：通过力增强 GELLO-计算机科学-遥操作系统-机器人.pdfVIP

改进低成本遥操作：通过力增强GELLO

ShivakanthSujit,LucaNunziante,DanOgawaLillrank,

RousslanFernandJulienDossaandKaiArulkumaran

Abstract—在这项工作中，我们扩展了最初设计用于关节

位置控制的低成本GELLO遥操作系统，并增加了力信息。我

们的第一个扩展是实现力反馈，使用户在与环境交互时能够感

受到阻力。我们的第二个扩展是在数据收集过程和模仿学习模

型训练中加入力信息。我们在配备FrankaPanda机械臂作为

跟随机器人的GELLO系统上实现了这些扩展，进行了一项用

本户研究，并比较了使用和未使用力信息训练的策略在一系列模

译拟和实际灵巧操作任务中的性能。从定性角度来看，有机器人

经验的用户更喜欢我们的控制器，加入力输入提高了大多数任

中务的成功率。

1

vI.介绍

2

0在过去的几年里，机器人展示的能力范围由于机器

6学习（ML）的进步而迅速增加。这样的能力示例包括通Fig.1:低成本的GELLO遥操作系统（右侧），控制着一

3个FrankaPanda7自由度机器人手臂（中心）。

1过强化学习（RL）实现的冠军级无人机竞速[1]和四足

.

7动物跑酷[2]，或者通过模仿学习（IL）实现的轮式/人形1

柄或SpaceMouse等设备在过去常用于遥操作，而如今

0移动操作[3],[4]。尽管强化学习对于学习控制器以完成

5随着公众接受度的提高，虚拟现实控制器也越来越多地

2特定任务已经证明是非常强大的，但模仿学习在多任务

:被用来进行机器人的遥操作[12]。然而，这些设备自由度

v设置中变得流行，因为每项考虑的任务都需要为强化学

i较少（DoF），因此仅限于任务/笛卡尔空间中的末端执行

x习奖励函数进行工程设计。即使使用像行为克隆（BC）

r器控制。在任务空间中控制的缺点是机器人关节位置欠

a这样的简单模仿算法[5]，研究人员也能够部署移动操作

定以及遇到阻止运动的奇异点。

器来执行办公室环境中的任务，并通过远程操作数据[6],

这可以通过领导-跟随者遥操作系统来避免，在该系

[7]引导启动。

统中，可以由人类直接操作领导者机器人的关节，而跟

除了纯粹的自主行为，人类对机器人的远程操作可

随机器人模仿这种运动。不幸的是，领导-跟随者系统通

以提供一系列有用的结果。最广泛部署的应用案例是在

常假设使用两台相同的机器人，而对于许多机器人来说，

机器人手术[8]中，尽管应用案例可以从偏远地点的工

成本（甚至是空间）使得这一解决方案不可行。

程/维护[9]变化到为残