任务误差残差学习实现真机五球杂耍

1. 12:00
   arXiv cs.RO 机器人学

   面向真实机器人五球杂耍的任务误差残差学习

   通过方向性任务误差监督与任务误差模型驱动的样本选择，残差学习在 Barrett WAM 机械臂上实现稳定的三球、四球和五球杂耍，系统从第二次尝试即收敛，此后任务误差单调下降且无失败。对比显示，方向性反馈与信息性先验缺一不可，其中固定 Jacobian 的 Newton 更新最快且完全可靠。学习到的残差可容忍先验失配与关节跟踪退化，主要影响收敛速度。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。