基于视觉置换的动作排序
机器人学
2021-02-08 v2 人工智能
计算机视觉与模式识别
摘要
人类可以轻松推断完成任务所需的高层动作序列，但要让从相对较少样本中训练的机器人具备这种能力却尤为困难。本工作考虑以单一参考视觉状态为条件的神经动作排序任务。该任务极具挑战性，因为它不仅受制于由大规模动作集产生的显著组合复杂度，还要求模型能够执行某种形式的符号接地，将高维输入数据映射到动作，同时推理动作间关系。本文从置换视角出发，论证动作排序受益于对置换与顺序概念的推理能力。实证分析表明，以潜在置换训练的神经模型在受限动作排序任务中优于标准神经架构。结果还显示，使用视觉置换进行动作排序是初始化并加速传统规划技术的有效机制，且能成功扩展到远超以往模型的动作集规模。
引用
@article{arxiv.2008.01156,
title = {Action sequencing using visual permutations},
author = {Michael Burke and Kartic Subr and Subramanian Ramamoorthy},
journal= {arXiv preprint arXiv:2008.01156},
year = {2021}
}
备注
This paper has been accepted for publication at IEEE RA-L