内在动机驱动的多模态结构学习
机器人学
2016-07-18 v1 人工智能
摘要
我们提出了一种长期的内在动机结构学习方法，用于在机器人与世界中半永久性结构之间的受控交互过程中建模转移动态。特别地，我们讨论了如何使用马尔可夫状态上的分布来表示部分可观测状态，并构建对象模型，以预测状态分布如何响应与这些对象的交互而变化。这些结构作为许多可能的未来任务（定义为马尔可夫决策过程 MDPs）的基础。该方法是结构学习技术应用于多模态可供性表示的一个实例，该表示产生了一组用于规划的前向模型。我们通过在双手移动操作机器人 (uBot-6) 上的实验来评估该方法，展示了随着转移动作数量的增加，模型获取的性能表现。
引用
@article{arxiv.1607.04376,
title = {Intrinsically Motivated Multimodal Structure Learning},
author = {Jay Ming Wong and Roderic A. Grupen},
journal= {arXiv preprint arXiv:1607.04376},
year = {2016}
}