从演示中学习技能：从运动基元到经验抽象的趋势

机器人的应用正从工厂中的静态环境扩展到非结构化场景中的人机协作等新概念。为机器人预编程所有功能变得不切实际，因此机器人需要像人类一样自主学习如何应对新事件。然而，人类不同于机器，天生擅长基于经验或观察来应对意外情况。因此，将此类类人行为嵌入机器人，需要开发在机器人学习范式下模拟运动技能的神经认知模型。这些技能的有效编码取决于工具和技术的恰当选择。本文研究了从运动基元（MP）到经验抽象（EA）的不同运动与行为学习方法，并将其应用于不同的机器人任务。这些方法经过审视后，通过重构一个标准的拾取-放置任务进行了实验基准测试。除为策略与算法的选择提供标准指南外，本文旨在对其可能的扩展与改进提出展望。