用于人机协作的概率运动基元（ProMPs）增量学习
机器人学
2021-05-31 v1
摘要
为实现物理人机协作（pHRC）的成功部署，人类需要能够快速教会机器人新的运动技能。概率运动基元（ProMPs）是一种有前景的方法，用于在 pHRC 环境中编码从人类示范中学到的机器人运动技能。然而，多数从人类示范学习 ProMPs 的算法以批处理模式运行，这在 pHRC 中并不理想。本文提出一种新学习算法，在 pHRC 环境中增量地学习 ProMPs。我们的算法在新示范到达时顺序地将其纳入，使人能够观察机器人的学习进展并逐步塑造机器人的运动技能。内置的遗忘因子允许来自人类学习曲线或任务约束变化的纠正性示范。我们在实验室生成的取放任务参考数据上将本算法与现有批处理 ProMP 算法进行比较。此外，我们在 Franka Emika Panda 的概念验证研究中展示遗忘因子如何使我们适应任务中的变化。本文提出的增量学习算法有潜力带来更直观的学习进展，并比批处理模式训练更快地建立人机间的成功协作。
引用
@article{arxiv.2105.13775,
title = {Incremental Learning of Probabilistic Movement Primitives (ProMPs) for Human-Robot Cooperation},
author = {Daniel Schäle and Martin F. Stoelen and Erik Kyrkjebø},
journal= {arXiv preprint arXiv:2105.13775},
year = {2021}
}
备注
This work has been submitted to IROS 2021