Human-Robot Gym：人机协作中强化学习的基准测试
机器人学
2024-06-26 v2
摘要
深度强化学习（RL）已在机器人运动规划中展现出有前景的结果，并在人机协作（HRC）中有初步尝试。然而，在保障安全的约束下对HRC中的RL方法进行公平比较尚待实现。因此，我们提出human-robot gym，一个用于HRC中安全RL的基准套件。我们的基准套件在模块化仿真框架中提供八个具有挑战性的、真实的HRC任务。最重要的是，human-robot gym包含一个可证明保障人类安全的安全屏蔽。由此，我们首个提供了用于训练遵循真实世界HRC安全规范的RL智能体的基准套件。这弥合了理论RL研究与其真实部署之间的关键鸿沟。我们对六个任务的评估得出三个关键结果：（a）human-robot gym所提供的任务多样性为SOTA RL方法创造了具有挑战性的基准；（b）以基于动作的奖励形式将专家知识纳入RL训练可超越专家；且（c）我们的智能体对训练数据过拟合可忽略。
引用
@article{arxiv.2310.06208,
title = {Human-Robot Gym: Benchmarking Reinforcement Learning in Human-Robot Collaboration},
author = {Jakob Thumm and Felix Trost and Matthias Althoff},
journal= {arXiv preprint arXiv:2310.06208},
year = {2024}
}