arXiv Robotics· Kazuki Shibata, Ryosuke Sota, Shandil Dhiresh Bosch, Yuki Kadokawa, Yoshihisa Tsurumine, Takamitsu Matsubara·· 2 小时前AI 评分31
DeReCo：解耦表示与协调学习的多机器人协同抓取与举升框架
DeReCo: Decoupling Representation and Coordination Learning for Object-Adaptive Decentralized Multi-Robot Cooperative Grasping and Lifting
AI 导读
DeReCo 是一个面向物体自适应分散式多机器人协同抓取与举升的 MARL 框架，通过解耦表示学习与协调学习缓解二者的双向干扰。它采用两阶段训练：先用特权物体信息学习协调策略，再从局部观测重建物体相关表示并重训协调策略以转向分散执行。仿真中 DeReCo 在三个训练物体上优于基线，并泛化到六个质量与摩擦系数不同的未见物体，真机实验在两个未见物体上表现更优。
来源：arXiv Robotics · arxiv.org