基于强化学习与后见经验回放和课程学习的人体感知机器人导航
机器人学
2024-10-28 v1 人工智能
机器学习
摘要
近年来，对更智能服务机器人的日益增长的需求推动着移动机器人导航算法的发展，以使其在密集人群中安全高效地运行。强化学习（RL）方法在解决序贯决策问题方面已展现出优越能力，近期工作也探索了其在以符合社会规范的方式学习导航策略方面的潜力。然而，现有方法中使用的专家示范数据通常昂贵且难以获取。在本工作中，我们考虑在不使用示范数据的情况下训练 RL 智能体，以在拥挤环境中实现高效且无碰撞的导航。为解决稀疏奖励导航问题，我们提出将后见经验回放（HER）和课程学习（CL）技术与 RL 结合，以在密集人群中高效学习最优导航策略。我们方法的有效性在模拟的人-机器人共存环境中得到验证。结果表明，我们的方法无需额外示范数据即可有效学习人体感知导航。
引用
@article{arxiv.2110.04564,
title = {Human-Aware Robot Navigation via Reinforcement Learning with Hindsight Experience Replay and Curriculum Learning},
author = {Keyu Li and Ye Lu and Max Q. -H. Meng},
journal= {arXiv preprint arXiv:2110.04564},
year = {2024}
}
备注
Accepted at ROBIO 2021