从演示中学习任务规范：概率确定性有限自动机
机器人学
2024-09-12 v1
摘要
为机器人系统指定任务传统上需要编程 expertise、深入的领域知识以及大量的时间投入。虽然从演示学习是一种有前景的替代方法，但现有方法往往在较长的时间范围内的任务中难以应对。为此，我们引入了一种高效的方法，用于从演示中学习概率确定性有限自动机 (PDFA)，这些自动机直接捕捉任务结构和专家偏好。我们的方法推断子目标及其时间依赖关系，生成可解释的任务规范，使领域专家能够轻松理解和调整。我们通过涉及物体操作任务的实验来验证该方法，展示了该方法如何使机器人臂能够有效复制多样化的专家策略，同时适应不断变化的条件。
关键词
引用
@article{arxiv.2409.07091,
title = {Learning Task Specifications from Demonstrations as Probabilistic Automata},
author = {Mattijs Baert and Sam Leroux and Pieter Simoens},
journal= {arXiv preprint arXiv:2409.07091},
year = {2024}
}