同伴辅助机器人学习：一种面向云机器人系统的数据驱动协作学习方法
机器人学
2020-10-19 v1 人工智能
摘要
随着数据驱动的深度学习技术，机器人领域正发生一场技术革命。然而，为每个本地机器人构建数据集十分费力。同时，本地机器人之间的数据孤岛使得数据无法被协作利用。为解决此问题，本文在机器人学中提出同伴辅助机器人学习（PARL），其受认知心理学与教育学的同伴辅助学习启发。PARL 以云机器人系统的框架实现数据协作。机器人在本地进行语义计算与训练后，将数据和模型共享至云端。云端汇聚数据并执行增强、整合与迁移。最后，在云端对该更大的共享数据集进行微调并下发至本地机器人。此外，我们提出 DAT 网络（数据增强与迁移网络）以实现 PARL 中的数据处理。DAT 网络能够实现来自多个本地机器人的数据增强。我们在一个简化的机器人（小车）自动驾驶任务上进行了实验。DAT 网络在自动驾驶场景的数据增强方面有显著改进。与此同时，自动驾驶实验结果也表明 PARL 能够通过本地机器人的数据协作提升学习效果。
引用
@article{arxiv.2010.08303,
title = {Peer-Assisted Robotic Learning: A Data-Driven Collaborative Learning Approach for Cloud Robotic Systems},
author = {Boyi Liu and Lujia Wang and Xinquan Chen and Lexiong Huang and Cheng-Zhong Xu},
journal= {arXiv preprint arXiv:2010.08303},
year = {2020}
}