面向推动动作的注意力神经过程学习

我们的目标是使机器人能够规划一系列桌面动作，将一个物理属性未知的块推向目标姿态。我们通过学习部分可观测马尔可夫决策过程（POMDP）的组成模型来解决这个问题，其中机器人可以观察推动的结果，但决定问题动力学的块的物理属性 remain 未知。常见的解决方法是以监督方式训练观察模型，并使用如粒子滤波等通用推断技术进行推断。然而，监督式训练需要知道决定问题动力学的相关物理属性，而我们假设这些属性是未知的。规划也需要模拟许多信念更新，当使用粒子滤波表示信念时，这会变得昂贵。我们提出学习一个注意力神经过程，根据动作历史计算给定已学习潜在物理属性表示的信念。为解决推动规划问题，我们将训练好的神经过程与双重渐进扩宽抽样策略集成。仿真结果表明，神经过程双重渐进扩宽（NPT-DPW）生成的计划性能力更好，执行速度更快，即使在复杂的推动场景下，也优于使用监督式训练观察模型的传统粒子滤波方法。