端到端深度模仿学习：机器人足球案例研究
机器人学
2018-07-25 v1 人工智能
摘要
在模仿学习中，行为学习通常使用从演示数据中提取的特征来完成。最近的深度学习算法使得开发能够接收高维数据作为输入的机器学习方法成为可能。在这项工作中，我们使用模仿学习来教机器人运球射门。我们使用 B-Human 机器人软件收集演示数据，并使用深度卷积网络来表示策略。我们使用机器人的顶部和底部相机图像作为输入，速度指令作为输出。CNN 策略学习图像序列与速度指令之间的映射。在 3D 真实机器人模拟器实验中，我们表明机器人能够学会寻找球并运球，但难以对准球门。所提出的最佳策略模型在 20 次测试回合中学会了攻入 4 球。
引用
@article{arxiv.1807.09205,
title = {End-to-End Deep Imitation Learning: Robot Soccer Case Study},
author = {Okan Aşık and Binnur Görer and H. Levent Akın},
journal= {arXiv preprint arXiv:1807.09205},
year = {2018}
}
备注
RoboCup 2018 Symposium