面向人类的运动控制任务辅助教学
人工智能
2022-11-28 v1 人机交互
机器人学
摘要
近期关于共享自主与辅助 AI 技术（如辅助机器人遥操作）的研究，试图建模并帮助在固定任务中能力受限的人类用户。然而，这些方法往往忽视人类适应并最终学会自行执行控制任务的能力。此外，在期望人类介入的应用中，这些方法可能抑制其学会完全自主成功的能力。本文关注运动控制任务（如停车或着陆飞机）的辅助教学问题。尽管这类任务在人类日常活动和职业中无处不在，但由于其高复杂性与差异性，很少以统一方式教学。我们提出一种 AI 辅助教学算法，利用强化学习（RL）中的技能发现方法以（i）将任意运动控制任务分解为可教学的技能，（ii）构建新颖练习序列，以及（iii）为不同能力的学生定制课程。通过在两项运动控制任务——用操纵杆停车和书写巴厘字母——上广泛的合成与用户研究混合实验，我们表明带技能的辅助教学使学生表现相比无技能练习完整轨迹提升约 40%，而使用个性化练习可进一步带来高达 25% 的提升。我们的源代码见 https://github.com/Stanford-ILIAD/teaching
引用
@article{arxiv.2211.14003,
title = {Assistive Teaching of Motor Control Tasks to Humans},
author = {Megha Srivastava and Erdem Biyik and Suvir Mirchandani and Noah Goodman and Dorsa Sadigh},
journal= {arXiv preprint arXiv:2211.14003},
year = {2022}
}
备注
22 pages, 14 figures, NeurIPS 2022