模块化机器人的分层学习
机器人学
2018-02-13 v1
摘要
我们认为分层方法可以成为模块化机器人实现可重构性的关键。我们提出了一种用于模块化机器人的分层方法，使机器人能够同时学习多个任务。我们的评估结果展示了一个由两个不同模块化机器人配置组成的环境，即3自由度（DoF）和4自由度（4DoF），并带有相应的两个目标。在训练过程中，我们在配置和目标之间切换，旨在评估训练一个能够选择合适运动基元和机器人配置以实现目标的神经网络的可能性。训练好的神经网络随后被迁移并在具有3自由度和4自由度配置的实体机器人上执行。我们展示了该技术如何泛化到具有不同配置和任务的机器人。
引用
@article{arxiv.1802.04132,
title = {Hierarchical Learning for Modular Robots},
author = {Risto Kojcev and Nora Etxezarreta and Alejandro Hernández and Víctor Mayoral},
journal= {arXiv preprint arXiv:1802.04132},
year = {2018}
}