利用习得目标空间进行自主目标探索以实现机器人视觉运动技能获取
机器学习
2019-06-11 v1 人工智能
神经与进化计算
机器人学
机器学习
摘要
在无监督情况下为长寿命自主智能体自动且高效地发现技能，仍是人工智能的一项挑战。内在动机目标探索过程为学习智能体提供了一种受人类启发的机制，以顺序选择要实现的目标。该方法为终身学习的难题提供了新视角，在模拟和真实世界实验中均取得了有前景的结果。直到最近，这些算法仍局限于具有实验者知识的领域，因为智能体使用的目标空间建立在工程化特征提取器之上。深度表示学习的近期进展使得设计此类特征提取器的新方式成为可能，可直接利用智能体经验。近期工作已在简单却具挑战性的模拟领域展示了这些方法的潜力。本文给出近期结果，表明这些原理在真实世界机器人装置上的适用性：一个 6 关节机械臂通过在从其过往经验习得的空间中选择目标，学习在竞技场内操控一个球。
引用
@article{arxiv.1906.03967,
title = {Autonomous Goal Exploration using Learned Goal Spaces for Visuomotor Skill Acquisition in Robots},
author = {Adrien Laversanne-Finot and Alexandre Péré and Pierre-Yves Oudeyer},
journal= {arXiv preprint arXiv:1906.03967},
year = {2019}
}