从演示中持续学习机器人技能
机器人学
2023-04-14 v4 机器学习
摘要
教导机器人运动技能的方法侧重于一次训练单一技能。能够从演示中学习的机器人若能具备在不遗忘过去所学的情况下学习新运动技能的能力，将获益良多。为此，我们提出一种使用超网络和神经常微分方程求解器的从演示中持续学习的方法。我们凭经验证明了该方法在记忆长序列轨迹学习任务方面的有效性，且无需存储任何过往演示数据。我们的结果表明，超网络在从演示学习中优于其他最先进的持续学习方法。在我们的实验中，我们使用了流行的 LASA 基准，以及我们在本文中引入的、由真实机器人收集的两个新的运动学演示数据集，称为 HelloWorld 和 RoboTasks 数据集。我们在物理机器人上评估了我们的方法，并证明了其在学习涉及位置与朝向变化的真实世界机器人任务中的有效性。我们报告了轨迹误差指标和持续学习指标，并提出了两个新的持续学习指标。我们的代码以及新收集的数据集可在 https://github.com/sayantanauddy/clfd 获取。
引用
@article{arxiv.2202.06843,
title = {Continual Learning from Demonstration of Robotics Skills},
author = {Sayantan Auddy and Jakob Hollenstein and Matteo Saveriano and Antonio Rodríguez-Sánchez and Justus Piater},
journal= {arXiv preprint arXiv:2202.06843},
year = {2023}
}
备注
To appear in Robotics and Autonomous Systems