面向灵巧人机交互的演示引导深度强化学习控制策略
机器人学
2020-01-14 v2 机器学习
摘要
本文提出了一种通过深度强化学习训练人机交互（如握手或击掌）控制策略的方法。该策略控制连接在机器人手臂上的仿人 Shadow 灵巧手。我们提出了一种可参数化的多目标奖励函数，无需改变奖励结构即可学习多种交互。奖励函数的参数直接从人与人交互的运动捕捉数据中估计，以产生观察者认为自然且类人的策略。我们在三种显著不同的手部交互（握手、击掌和手指触碰）上评估了我们的方法。我们对所提出的奖励函数和生成的策略进行了详细分析，并开展了一项大规模用户研究，结果表明我们的策略能够产生外观自然的动作。
引用
@article{arxiv.1906.11695,
title = {Demonstration-Guided Deep Reinforcement Learning of Control Policies for Dexterous Human-Robot Interaction},
author = {Sammy Christen and Stefan Stevsic and Otmar Hilliges},
journal= {arXiv preprint arXiv:1906.11695},
year = {2020}
}
备注
7 pages