利用深度强化学习习得面向群体的社会化适宜机器人接近行为
机器人学
2019-08-13 v3 人机交互
机器学习
摘要
深度强化学习近来在机器人学中被广泛用于研究运动与抓取等任务，但其在社会化人机交互(HRI)中的应用仍具挑战。本文提出一种深度学习方案，该方案在仿真中获取机器人接近行为的先验模型，并将其应用于实体机器人接近人群群体的真实交互。我们称该方案为分阶段社会化行为学习(SSBL)，其考虑了社会化场景中的不同学习阶段。我们在仿真中学习面向小群体的机器人接近行为，并通过感知研究与有人类参与者的 HRI 用户研究，采用客观与主观指标评估模型性能。结果表明，与最先进(state-of-the-art)模型相比，我们的模型生成了更具社会化适宜性的行为。
引用
@article{arxiv.1810.06979,
title = {Learning Socially Appropriate Robot Approaching Behavior Toward Groups using Deep Reinforcement Learning},
author = {Yuan Gao and Fangkai Yang and Martin Frisk and Daniel Hernandez and Christopher Peters and Ginevra Castellano},
journal= {arXiv preprint arXiv:1810.06979},
year = {2019}
}
备注
accepted for The 28th IEEE International Conference on Robot & Human Interactive Communication (Ro-Man)