示范技能学习的基准：用户经验、任务复杂度和起始配置对性能的影响
机器人学
2019-11-11 v1 人机交互
摘要
在这项工作中，我们贡献了一项大规模研究，对多种基于运动的示范学习方法（learning from demonstration）的性能进行基准测试。鉴于现有方法的数量与多样性，开展综合实证研究以比较这些学习技术的相对优势至关重要。特别地，我们基于终端用户可能期望于真实世界任务的属性评估了四种不同方法。为执行该评估，我们从九名参与者处收集数据，涵盖四种具有不同起始条件的操作任务。所得示范用于训练 180 个任务模型，并在物理机器人上针对 720 次任务复现进行了评估。我们的结果详述了以下因素如何影响任务性能：i) 任务复杂度，ii) 人类示范者的专业程度，以及 iii) 机器人的起始配置。所收集的示范、机器人执行与评估数据集正在公开提供。我们也提供了研究见解与指导方针，以指导关于这些方法未来的研究与部署选择。
引用
@article{arxiv.1911.02725,
title = {Benchmark for Skill Learning from Demonstration: Impact of User Experience, Task Complexity, and Start Configuration on Performance},
author = {M. Asif Rana and Daphne Chen and S. Reza Ahmadzadeh and Jacob Williams and Vivian Chu and Sonia Chernova},
journal= {arXiv preprint arXiv:1911.02725},
year = {2019}
}
备注
8 pages, 8 figures, submitted to IEEE Robotics and Automation Letters, videos and website can be found at https://sites.google.com/view/rail-lfd