超越预定义动作：整合行为树与动态运动原语实现机器人从演示中学习
机器人学
2025-05-14 v1
摘要
可解释的策略表示，如行为树(BTs)和动态运动原语(DMPs)，使机器人技能能够从人类演示中传递，但每种方法都面临局限性：行为树需要专家设计的低层动作，而DMPs缺乏高层任务逻辑。我们通过将DMP控制器集成到行为树框架中，从单个演示中联合学习行为树结构和DMP动作，从而消除对预定义动作的需求。此外，通过将行为树决策逻辑与DMP运动生成相结合，我们的方法增强了策略的可解释性、模块性和自适应性。我们的做法轻松实现了复制低层运动以及将部分演示组合成连贯且易于修改的整体策略的学习。
引用
@article{arxiv.2505.08625,
title = {Beyond Predefined Actions: Integrating Behavior Trees and Dynamic Movement Primitives for Robot Learning from Demonstration},
author = {David Cáceres Domínguez and Erik Schaffernicht and Todor Stoyanov},
journal= {arXiv preprint arXiv:2505.08625},
year = {2025}
}
备注
14 pages, 6 figures, accepted (not yet published) at IAS19 2025 conference