机器人运动基元的模仿学习与语言引导

机器人中的模仿学习，也称为示教编程，近年来取得了重要进展，使得人类能够向机器人教授依赖于情境的运动技能/任务。我们建议将通常研究的情境扩展到包括可能表示特定运动技能的声学语言表达，从而针对运动技能及其潜在声学语言名称的联合学习。此外，我们对模仿学习框架内的一类现有算法进行了修改，使其能够处理多个任务/运动基元的无标签演示，而无需告知模仿者正在演示什么任务或任务的数量，这对于语言学习是必要的；例如，如果希望自然地教授一个开放数量的新运动技能及其声学名称。最后，还提出了一种检测语言输入是否与任务相关的机制，并且我们的架构还允许机器人为给定的已识别运动基元找到正确的框架。通过这些补充，可以构建一个模仿者，它能够利用模仿学习社区的方法学习语言表达，从而弥合模仿学习与语言学习之间的差距。从这个意义上说，模仿者可以通过猜测情境中存在的特定语音模式是否意味着要执行特定任务来学习一个单词。然而，模仿者并不假定知道语音是相关的，而必须通过观察演示自行判断：实际上，该架构允许机器人透明地学习那些不应由声学单词触发，而应由环境中物体的颜色、位置或某人的手势等触发的任务。为了展示这种发现……