InsertionNet 2.0：使用多模态多视图感官输入的最小接触多步插入
InsertionNet 2.0: Minimal Contact Multi-Step Insertion Using Multimodal Multiview Sensory Input
摘要：
我们解决的问题是设计一种方法，让机器人快速，安全地学习插入技能，只需几次人为干预，而无需手工制作的奖励或演示。我们的InsertionNet 2.0版提供了一种改进的技术，可以稳健地应对各种具有不同形状，颜色，初始姿势等的用例。特别是，我们提出了一种基于回归的方法，该方法基于立体感知和力的多模态输入，并通过对比学习进行增强，以有效学习有价值的特征。此外，我们引入了一个一次性的插入学习技术，它依赖于一个关系网络计划，以更好地利用收集到的数据，并支持多步插入任务。我们的方法改进了使用原始InsertionNet获得的结果，在16个现实生活中的插入任务中获得了几乎完美的分数（在200次试验中超过97.5 $\%$），同时最大限度地减少了插入过程中的执行时间和接触。我们进一步证明了我们的方法能够解决现实生活中的3步插入任务，并完美地解决了一个看不见的插入任务，而无需学习。
英文摘要：
We address the problem of devising the means for a robot to rapidly and safely learn insertion skills with just a few human interventions and without hand-crafted rewards or demonstrations. Our InsertionNet version 2.0 provides an improved technique to robustly cope with a wide range of use-cases featuring different shapes, colors, initial poses, etc. In particular, we present a regression-based method based on multimodal input from stereo perception and force, augmented with contrastive learning for the efficient learning of valuable features. In addition, we introduce a one-shot learning technique for insertion, which relies on a relation network scheme to better exploit the collected data and to support multi-step insertion tasks. Our method improves on the results obtained with the original InsertionNet, achieving an almost perfect score (above 97.5$\%$ on 200 trials) in 16 real-life insertion tasks while minimizing the execution time and contact during insertion. We further demonstrate our method's ability to tackle a real-life 3-step insertion task and perfectly solve an unseen insertion task without learning.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
