通过自举人类查询学习感知概念
机器人学
2022-07-05 v3 人工智能
人机交互
机器学习
摘要
当机器人在人类环境中运行时，人类能够快速教会它们新概念至关重要：即环境中所关注的对象中心属性（例如物体邻近、直立等）。然而，从高维机器人传感器数据（例如点云）教导新的感知概念十分费力，需要不切实际的大量人类标注。为此，我们提出了一个称为感知概念自举（PCB）的框架。首先，我们利用仅在训练时由模拟器提供的固有低维特权信息（例如物体位姿与边界框），从最少的人类输入中快速学习低维几何概念。其次，我们将此低维概念视为自动标注器，利用模拟器合成大规模高维数据集。凭借这两个关键思路，PCB 减轻了人类标注负担，同时仍学习到可在无特权信息的真实传感器输入上工作的感知概念。我们评估了 PCB 学习描述物体状态或多物体关系的空间概念，并显示其相比基线方法取得了更优性能。我们还在 7-DoF Franka Panda 机器人上展示了所学概念在运动规划任务中的实用性。
引用
@article{arxiv.2111.05251,
title = {Learning Perceptual Concepts by Bootstrapping from Human Queries},
author = {Andreea Bobu and Chris Paxton and Wei Yang and Balakumar Sundaralingam and Yu-Wei Chao and Maya Cakmak and Dieter Fox},
journal= {arXiv preprint arXiv:2111.05251},
year = {2022}
}
备注
9 pages, 10 figures