面向机载机器人智能体实时训练的自主好奇心

学习既需要研习也需要好奇心。一个好的学习者不仅善于从所给数据中提取信息，也善于寻找合适的新信息来学习。当人类操作员需要提供真值（ground truth）时这一点尤为关键——此类信息源应当被谨慎地少量查询。在本工作中，我们探讨了与机器人平台上目标检测算法的在线、实时、人在回路训练相关的问题，其中运动产生对目标的新视角。我们提出了一种深度强化学习方法，决定何时向人类用户请求真值、何时移动。通过一系列实验，我们证明我们的智能体学到的移动与请求策略，在利用人类用户交互训练目标检测器方面至少比未经训练的方法有效 3 倍，并且可泛化至多种目标与环境。