BC-Z：基于机器人模仿学习的零样本任务泛化
机器人学
2022-02-07 v1 机器学习
摘要
在本文中，我们研究使基于视觉的机器人操纵系统泛化到新颖任务的问题，这是机器人学习中的一个长期挑战。我们从模仿学习的角度应对该挑战，旨在研究收集和扩展数据的广度如何促进此类泛化。为此，我们开发了一个交互式且灵活的模仿学习系统，该系统可以从演示和干预中学习，并可以以传达任务的不同形式信息为条件，包括自然语言的预训练嵌入或人类执行任务的视频。当在真实机器人上将数据采集扩展到超过100个不同任务时，我们发现该系统能以44%的平均成功率执行24个未见过的操纵任务，且这些任务没有任何机器人演示。
引用
@article{arxiv.2202.02005,
title = {BC-Z: Zero-Shot Task Generalization with Robotic Imitation Learning},
author = {Eric Jang and Alex Irpan and Mohi Khansari and Daniel Kappler and Frederik Ebert and Corey Lynch and Sergey Levine and Chelsea Finn},
journal= {arXiv preprint arXiv:2202.02005},
year = {2022}
}
备注
CoRL 2021, 23 pages