面向安全无地图导航的课程学习
人工智能
2021-12-30 v2 机器学习
机器人学
摘要
本研究探讨了基于课程学习（CL）的方法对智能体性能的影响。我们特别关注机器人无地图导航的安全性方面，并与标准端到端（E2E）训练策略进行比较。为此，我们提出了一种 CL 方法，其在基于 Unity 的仿真中利用学习迁移（ToL）和微调，以 Robotnik Kairos 作为机器人智能体。为公平比较，我们的评估考虑每种学习方法相等的计算需求（即相同的交互次数和环境难度），并确认我们使用 ToL 的基于 CL 的方法优于 E2E 方法。具体而言，我们提升了训练策略的平均成功率和安全性，在未见测试场景中碰撞减少 10%。为进一步确认这些结果，我们采用形式化验证工具来量化强化学习策略在期望规范下的正确行为数量。
引用
@article{arxiv.2112.12490,
title = {Curriculum Learning for Safe Mapless Navigation},
author = {Luca Marzari and Davide Corsi and Enrico Marchesini and Alessandro Farinelli},
journal= {arXiv preprint arXiv:2112.12490},
year = {2021}
}
备注
8 pages, 5 figures. The poster version of this paper has been accepted by The 37th ACM/SIGAPP Symposium on Applied Computing Proceedings (SAC IRMAS 2022)