BusyBot：在 BusyBoard 环境中学习交互、推理与规划
机器人学
2022-10-18 v2 计算机视觉与模式识别
摘要
我们提出 BusyBoard，一个受玩具启发的机器人学习环境，其利用一组多样的铰接物体与物体间功能关系，为机器人交互提供丰富的视觉反馈。基于该环境，我们提出一种学习框架 BusyBot，使智能体能够以集成且自监督的方式联合习得三种基本能力（交互、推理与规划）。借助 BusyBoard 提供的丰富感知反馈，BusyBot 首先学习一个策略以高效地与环境交互；随后利用该策略收集的数据，BusyBot 通过因果发现网络推理物体间功能关系；最后，结合习得的交互策略与关系推理能力，智能体能够执行目标条件化的操作任务。我们在仿真与真实环境中评估 BusyBot，并验证其对未见过的物体与关系的泛化能力。视频见 https://youtu.be/EJ98xBJZ9ek。
引用
@article{arxiv.2207.08192,
title = {BusyBot: Learning to Interact, Reason, and Plan in a BusyBoard Environment},
author = {Zeyi Liu and Zhenjia Xu and Shuran Song},
journal= {arXiv preprint arXiv:2207.08192},
year = {2022}
}
备注
CoRL 2022 camera-ready; Website: https://busybot.cs.columbia.edu/