用于机器人场景中安全探索的上下文可供性
机器人学
2024-05-13 v1 人工智能
摘要
在过去几十年中，机器人学一直是一个热门研究领域，在制造和物流等工业应用中取得了巨大成功。这种成功得益于明确定义的用例和受控的操作环境。然而，机器人学尚未在家庭环境中产生重大影响。部分原因在于，设计能够适应人类居住的各种家庭和环境、并且能在靠近人类时安全运行的大批量生产机器人具有极高的难度和复杂性。本文探讨了在面向家庭的机器人场景中使用上下文可供性来实现安全探索与学习。具体而言，我们提出了一种简单的状态表示，使我们能够将上下文可供性扩展到更大的状态空间，并展示了可供性如何提高强化学习算法在仿真中的成功率和收敛率。我们的结果表明，经过进一步的迭代，可以考虑将这种方法应用于真实的机器人操作臂。此外，从长远来看，这项工作可以为未来在复杂家庭环境中探索人机交互奠定基础。一旦 SOTA 机器人操作臂达到本文所描述的可供性所需的灵巧度水平，这将成为可能。
引用
@article{arxiv.2405.06422,
title = {Contextual Affordances for Safe Exploration in Robotic Scenarios},
author = {William Z. Ye and Eduardo B. Sandoval and Pamela Carreno-Medrano and Francisco Cru},
journal= {arXiv preprint arXiv:2405.06422},
year = {2024}
}
备注
5 pages, 2 figures. Accepted at the 2nd Workshop on Human-aligned Reinforcement Learning for Autonomous Agents and Robots HARL, at the IEEE International Conference on Robotics and Automation ICRA, Yokohama, Japan, 2024