面向任务与运动规划的具身终身学习
机器人学
2023-11-07 v2 人工智能
机器学习
摘要
一个在家庭中长时间部署的机器人面临着真正的终身学习问题。在寻求为其用户提供协助时，机器人应利用任何积累的经验来提升自身的知识与熟练度。我们以任务与运动规划（TAMP）的终身学习新形式化来界定这一设定，该形式化赋予我们的学习器以 TAMP 系统的组合性。利用 TAMP 的模块化，我们开发了一种生成模型混合方法，为规划器生成候选连续参数。尽管大多数现有终身学习方法先验地确定数据如何在各模型间共享，我们的方法学习共享与非共享模型，并基于作为各模型对状态理解之代理的辅助任务，在规划期间在线决定使用哪一个。我们的方法在 2D 与 BEHAVIOR 域上的规划成功率表现出实质性提升（随时间推移且与基线相比）。
引用
@article{arxiv.2307.06870,
title = {Embodied Lifelong Learning for Task and Motion Planning},
author = {Jorge Mendez-Mendez and Leslie Pack Kaelbling and Tomás Lozano-Pérez},
journal= {arXiv preprint arXiv:2307.06870},
year = {2023}
}
备注
Published at CoRL 2023