深度机器人素描：深度Q学习网络在类人素描中的应用
机器人学
2024-02-02 v1 人工智能
计算机视觉与模式识别
机器学习
神经与进化计算
摘要
强化学习算法在复杂环境中的成功表现激发了认知科学领域的许多理论方法。艺术环境被认知科学界视为丰富、自然、多感官、多文化的环境。在这项工作中，我们提出引入强化学习来改进艺术机器人应用的控制。深度Q学习神经网络（DQN）是机器人中实现强化学习最成功的算法之一。DQN方法为在广泛环境中执行复杂机器人应用生成复杂控制策略。当前的艺术绘画机器人应用使用简单的控制律，限制了框架对简单环境的适应性。在这项工作中，我们提出在艺术绘画机器人应用中引入DQN。目标是研究复杂控制策略的引入如何影响基本艺术绘画机器人应用的性能。这项工作的主要预期贡献是为未来将DQN方法用于复杂艺术绘画机器人框架的工作提供第一个基线。实验包括使用DQN生成的策略和类人机器人TEO执行人类绘制的草图的实际执行。结果在相似性和获得的奖励方面与参考输入进行比较。
引用
@article{arxiv.2402.00676,
title = {Deep Robot Sketching: An application of Deep Q-Learning Networks for human-like sketching},
author = {Raul Fernandez-Fernandez and Juan G. Victores and Carlos Balaguer},
journal= {arXiv preprint arXiv:2402.00676},
year = {2024}
}