基于对象中心表示与非参数方法的交互式在线学习
机器人学
2023-07-20 v1
摘要
大型离线基于学习的模型已使机器人能够成功与物体交互以完成广泛任务。然而，这些模型依赖于相当一致的结构化环境。对于更非结构化的环境，有必要引入在线学习组件，以收集并估计环境中物体的信息，从而成功与之交互。遗憾的是，如贝叶斯非参数模型等在线学习方法难以应对环境变化，而这往往是交互式任务所期望的结果。我们提出使用对象中心表示进行交互式在线学习。该表示通过将机器人动作变换到物体坐标系下生成。我们展示了切换到该任务相关空间如何提升我们利用在线收集训练数据进行推理的能力，从而实现机器人-物体交互的可扩展在线学习。我们通过使机械臂在含多个未知物体的环境中成功导航且不满足基于交互的约束条件，展示了我们的方法。
引用
@article{arxiv.2307.10063,
title = {Object-centric Representations for Interactive Online Learning with Non-Parametric Methods},
author = {Nikhil U. Shinde and Jacob Johnson and Sylvia Herbert and Michael C. Yip},
journal= {arXiv preprint arXiv:2307.10063},
year = {2023}
}
备注
Paper Accepted to CASE 2023