以控制置信度设计工具
机器人学
2025-10-15 v1 人工智能
摘要
远古人类通过不仅最大化工具的即时目标完成准确度，还增加其对该工具在类似情境下重用的信心来发明石器。这个因素有助于工具的鲁棒性，即在环境不确定性下表现出最小的性能偏差。然而，当前的自主工具设计框架仅依赖性能优化，不考虑代理在重复使用中的控制置信度。本文通过i) 定义面向机器人手工具设计的任务条件化自主优化框架，ii) 将一种类神经元的控制置信度术语引入优化程序，帮助代理设计更具鲁棒性的工具。通过严格的机器人机械臂仿真，我们展示，以控制置信度为目标函数设计的工具在使用过程中对环境不确定性更鲁棒 than 纯准确度驱动的目标。我们进一步表明，在控制扰动下，添加控制置信度到工具设计的目标函数可在工具的鲁棒性和目标准确度之间提供平衡。最后，我们表明，基于 CMAES 的进化优化策略在自主工具设计中表现优于其他最先进的优化器，能在最少的迭代次数内设计出最优工具。代码：https://github.com/ajitham123/Tool_design_control_confidence。
引用
@article{arxiv.2510.12630,
title = {Designing Tools with Control Confidence},
author = {Ajith Anil Meera and Abian Torres and Pablo Lanillos},
journal= {arXiv preprint arXiv:2510.12630},
year = {2025}
}