利用元级先验学习操作技能的相关特征
机器人学
2016-05-17 v1
摘要
机器人可以通过适应被操作物体的特征在不同场景间泛化操作技能。选择用于技能泛化的相关特征集通常由人工手动完成。或者，机器人可以自主学习选择相关特征。然而，特征选择通常需要大量训练数据，这就需要许多演示。为了更高效地学习相关特征，我们提出使用元级先验（meta-level prior）来迁移已学技能中特征的相关性。实验表明，与标准均匀先验相比，元级先验使特征选择的平均精确率和召回率提高一倍以上。所提方法被用于学习多种操作技能，包括推、切和倒。
引用
@article{arxiv.1605.04439,
title = {Learning Relevant Features for Manipulation Skills using Meta-Level Priors},
author = {Oliver Kroemer and Gaurav S. Sukhatme},
journal= {arXiv preprint arXiv:1605.04439},
year = {2016}
}
备注
13 pages, 13 figures