ALAN：在真实世界中自主探索的机器人智能体
机器人学
2023-02-14 v1 人工智能
计算机视觉与模式识别
机器学习
系统与控制
系统与控制
摘要
在真实世界中自主运行的机器人智能体需要持续探索其环境并从收集的数据中学习，且只需最少的人类监督。虽然可以构建能以这种无监督方式学习的智能体，当前方法难以扩展到真实世界。因此，我们提出ALAN，一种自主探索的机器人智能体，能以极少的训练和交互时间在真实世界中执行任务。这通过测量环境变化实现，其反映物体移动并忽略机器人位置变化。我们直接将此度量作为以环境为中心的信号，并最大化预测环境变化的不确定性，提供以智能体为中心的探索信号。我们在两种不同真实世界游戏厨房设置上评估了我们的方法，使机器人能高效探索并发现操作技能，以及通过目标图像指定执行任务。网站见 https://robo-explorer.github.io/
引用
@article{arxiv.2302.06604,
title = {ALAN: Autonomously Exploring Robotic Agents in the Real World},
author = {Russell Mendonca and Shikhar Bahl and Deepak Pathak},
journal= {arXiv preprint arXiv:2302.06604},
year = {2023}
}
备注
ICRA 2023. Website at https://robo-explorer.github.io/