然而，挖掘机操作通常既危险又昂贵，这些挑战可以通过使用自动化挖掘机来克服。关于这个主题的大多数文献都集中在土壤的挖掘上。土壤大多是均匀的，如果铺设了一条路径，控制器很可能能够简单地遵循它。 然而，对于一堆岩石，如果操作员只是将挖掘铲斗直接穿过岩石，铲斗很可能会被卡住，这意味着需要更智能的策略来挖掘岩石。在这项工作中，研究团队作员类似的功能。所提出的方法首先利用挖掘领域知识设计一组离散的原始运动。
然后从少量的现实世界数据中学习基于 的多模态动力学模型。最后，模型预测控制器用于闭环规划。 基于学习的破碎刚性物体挖掘框架 为了评估新方法，研究人员比较了三种手动设计策略，即不同规划范围内的暴力、随机射击 电话号码列表 和蒙特卡罗树搜索（ ）规划器。这些手动策略和规划器经过了不同的试验测试，这些试验以浅、中、深的深度渗透到表面。使用两个指标进行比较。第一个指标是导致机器人受力过大并卡住的轨迹数量。另一个指标是每次动作挖掘物体的重量。
从结果来看，手动策略的表现明显低于其他方法。 用于挖掘刚性块的机器人手臂上的轨迹执行 百度 还将在 上展示基于学习的机器人挖掘、模仿学习和模型集成挖掘机轨迹规划的方法。该两阶段方法集成了数据驱动的模仿学习和基于模型的轨迹优化，为自动挖掘机生成最佳轨迹。百度 研（例如沙子和刚性块）上评估了该方法。实验结果表明，所提出的结合法可高高达 。 关于百度 百度研究院机器人与自动驾驶实验室（ ）有两个地点，分别位于美国加利福尼亚州桑尼维尔和中国北京。 |
