自适应机器人辅助进食：用于获取此前未见食物项的在线学习框架

一个成功的机器人辅助进食系统需要对多种食物项进行取食。它必须在不确定的视觉与物理环境下适应用户食物偏好的变化。不同环境条件下的不同食物项需要不同的操控策略以成功取食。因此，一个关键挑战是如何处理此前未见、且在策略上成功率分布差异很大的食物项。我们将底层控制器与规划器组合为离散动作轨迹，表明该问题可用线性上下文赌博机（linear contextual bandit）设定来表示。我们利用来自此前所见食物项的双重稳健损失估计构建了一个模拟环境，并借此调谐现成上下文赌博机算法的参数。最后，我们在机器人辅助进食系统上通过实证表明，即使从一个在数千次对不相似的已见食物项穿刺尝试上训练的模型起步，$\epsilon$-greedy 与 LinUCB 算法也能快速收敛到最成功的操控策略。