ARO：大型语言模型监督的机器人Text2Skill自主学习
机器人学
2024-03-26 v1 人工智能
摘要
机器人学习高度依赖人类专业知识和努力，例如演示、强化学习中奖励函数的设计、使用人类反馈进行性能评估等。然而，对人类辅助的依赖可能导致高昂的学习成本，并使技能学习难以规模化。在这项工作中，我们引入了大型语言模型监督的机器人Text2Skill自主学习(ARO)框架，旨在用大规模语言模型替代人类在机器人技能学习过程中的参与，包括奖励函数设计和性能评估。我们提供的证据表明，我们的方法能够实现完全自主的机器人技能学习，无需人工干预即可完成部分任务。此外，我们还分析了该方法在任务理解和优化稳定性方面的局限性。
引用
@article{arxiv.2403.15834,
title = {ARO: Large Language Model Supervised Robotics Text2Skill Autonomous Learning},
author = {Yiwen Chen and Yuyao Ye and Ziyi Chen and Chuheng Zhang and Marcelo H. Ang},
journal= {arXiv preprint arXiv:2403.15834},
year = {2024}
}
备注
6 pages, 2 figures