面向以机器人为中心的智能家居的多关系链逆强化学习
机器人学
2015-04-21 v5 机器学习
摘要
在以机器人为中心的智能家居中，机器人通过自身传感器观测家居状态，随后可根据操作员的指令改变某些物体状态以进行远程操作，或模仿操作员在室内的行为以进行自主操作。为了对动态室内环境中机器人模仿操作员行为的过程进行建模，我们使用多关系链来描述环境状态的变化，并应用逆强化学习通过习得的奖励函数对操作员行为进行编码。我们在移动机器人上实现了该方法，并进行了五项实验，涵盖了递增的训练天数、物体数量及动作类型。此外，我们还实现了一种直接记录操作员行为的基线方法，并在家居状态评估准确率与机器人动作选择准确率方面进行了比较。结果表明，所提出的方法能很好地处理动态环境，并能更准确地指导机器人在室内的动作。
引用
@article{arxiv.1408.3727,
title = {Inverse Reinforcement Learning with Multi-Relational Chains for Robot-Centered Smart Home},
author = {Kun Li and Max Q. -H. Meng},
journal= {arXiv preprint arXiv:1408.3727},
year = {2015}
}
备注
This paper has been withdrawn due to incorrect article structure