面向非马尔可夫任务的交互式机器人训练
机器人学
2020-12-01 v2 人工智能
摘要
使用形式化语言为机器人定义完备且可靠的规范具有挑战性，而直接从示范中学习形式化规范可能导致任务策略过度约束。本文提出一种贝叶斯交互式机器人训练框架，使机器人既能从教师提供的示范中学习，也能从该教师对机器人任务执行的评估中学习。我们还提出一种受不确定性采样启发的主动学习方法，以识别可接受程度最不确定的任务执行。通过仿真实验，我们证明与纯粹从示范学习的方法相比，我们的主动学习方法以等同或更高的相似度识别出教师预期的任务规范。最后，我们基于教导机器人摆放餐桌的用户研究，在真实环境中展示了方法的有效性。
引用
@article{arxiv.2003.02232,
title = {Interactive Robot Training for Non-Markov Tasks},
author = {Ankit Shah and Samir Wadhwania and Julie Shah},
journal= {arXiv preprint arXiv:2003.02232},
year = {2020}
}