求助机制：基于价值近似的行为克隆失败预测
机器人学
2023-02-10 v1 人工智能
摘要
端到端模仿学习方法最近的进展在移动操作任务上展示了有前景的结果和泛化能力。此类模型正越来越多地部署于真实世界环境中，其规模化要求机器人能够以高自主性运行，即尽可能少地需要人类监督。为避免一对一人类监督的需要，机器人必须能够提前检测并预防策略失败，并请求帮助，使远程操作员能够监督多个机器人并在需要时提供帮助。然而，端到端模仿学习模型（如行为克隆）的黑盒特性，以及缺乏显式状态价值表示，使得失败预测十分困难。为此，我们提出行为克隆价值近似（BCVA），一种基于行为克隆策略并与之联合训练、可用于预测失败的状态价值函数学习方法。我们通过将BCVA应用于具有挑战性的闩锁门开启移动操作任务来证明其有效性，表明我们能以86%的精确率和81%的召回率识别失败场景，该结果基于超过2000次真实世界运行评估，相较简单失败分类基线提升了10个百分点。
引用
@article{arxiv.2302.04334,
title = {Asking for Help: Failure Prediction in Behavioral Cloning through Value Approximation},
author = {Cem Gokmen and Daniel Ho and Mohi Khansari},
journal= {arXiv preprint arXiv:2302.04334},
year = {2023}
}
备注
Accepted to the 2023 IEEE International Conference on Robotics and Automation (ICRA 2023)