通过多感官半监督学习避免机器人自主导航中的人工标注
机器学习
2018-02-22 v4 机器人学
摘要
模仿学习有望解决诸如自主导航等具有挑战性的机器人任务。然而，它需要一个人类监督者来监督训练过程并向机器人发送正确的控制命令而无反馈，这总是容易出错且成本高昂。为了最小化人类参与并避免在使用模仿学习的机器人自主导航中对数据进行人工标注，本文提出了一种基于多感官设计的新型半监督模仿学习方案。该方案包括一个基于传感器融合的次优传感器策略，用于自动标注机器人遇到的状态，从而在训练期间避免人类监督。此外，开发了一种记录策略来抑制从次优传感器策略中学习过多的对抗性影响。该方案允许机器人以自监督的方式学习导航策略。通过在室内环境中的大量实验，该方案在大多数任务中可以达到接近人类的性能，甚至在硬件故障或人类操作错误等意外事件情况下超越人类性能。据我们所知，这是第一项综合传感器融合与模仿学习以实现真实世界中无人类监督的机器人自主导航的工作。
引用
@article{arxiv.1709.07911,
title = {Avoidance of Manual Labeling in Robotic Autonomous Navigation Through Multi-Sensory Semi-Supervised Learning},
author = {Junhong Xu and Shangyue Zhu and Hanqing Guo and Shaoen Wu},
journal= {arXiv preprint arXiv:1709.07911},
year = {2018}
}