面向移动机器人的数据高效人机干预学习
机器人学
2025-03-10 v1 人工智能
机器学习
摘要
移动机器人在自主配送和接待服务等应用中至关重要。由于其鲁棒性和泛化能力，将基于学习的方法应用于移动机器人任务日益流行。传统方法如模仿学习（IL）和强化学习（RL）提供了适应性，但需要大量数据集、精心设计的奖励函数，并面临仿真到现实差距，使得高效和安全的真实世界部署具有挑战性。我们提出了一种在线人在回路学习方法 PVP4Real，结合 IL 和 RL 来解决这些问题。PVP4Real 实现了从在线人机干预和示范中进行高效的实时策略学习，无需奖励或任何预训练，显著提高了数据效率和训练安全性。我们通过训练两种不同的机器人——四足腿式机器人和轮式配送机器人——在两个移动机器人任务上验证了我们的方法，其中一个任务甚至使用原始 RGBD 图像作为观测。训练在 15 分钟内完成。我们的实验展示了人在回路学习在解决真实世界机器人任务中数据效率问题方面的广阔前景。更多信息请访问：https://metadriverse.github.io/pvp4real/
引用
@article{arxiv.2503.04969,
title = {Data-Efficient Learning from Human Interventions for Mobile Robots},
author = {Zhenghao Peng and Zhizheng Liu and Bolei Zhou},
journal= {arXiv preprint arXiv:2503.04969},
year = {2025}
}
备注
ICRA 2025. Webpage: https://metadriverse.github.io/pvp4real/