用于可组合机器人学习的可微算法网络
机器学习
2019-06-05 v1 人工智能
机器人学
机器学习
摘要
本文介绍了可微算法网络（DAN），一种用于机器人学习系统的可组合架构。DAN 由神经网络模块组成，每个模块编码一个可微机器人算法及关联模型；并从数据中端到端训练。DAN 结合了模型驱动的模块化系统设计和数据驱动的端到端学习的优势。算法和模型作为结构假设，降低了学习的数据需求；端到端学习使模块能够相互适应并补偿不完美的模型和算法，以实现最佳整体系统性能。我们通过一个模拟机器人系统的案例研究来说明 DAN 方法，该系统仅利用局部视觉观测和一张部分正确的二维楼层地图图像，学习在复杂三维环境中导航。
引用
@article{arxiv.1905.11602,
title = {Differentiable Algorithm Networks for Composable Robot Learning},
author = {Peter Karkus and Xiao Ma and David Hsu and Leslie Pack Kaelbling and Wee Sun Lee and Tomas Lozano-Perez},
journal= {arXiv preprint arXiv:1905.11602},
year = {2019}
}
备注
RSS 2019 camera ready. Video is available at https://youtu.be/4jcYlTSJF4Y