REAL-X——机器人开放式自主学习架构：实现真正的端到端感知运动自主学习系统
机器人学
2022-03-03 v2 人工智能
摘要
开放式学习是发展机器人与人工智能的核心研究领域，旨在构建能够像婴幼儿一样自主、增量地获取知识与技能的机器学习机器与机器人。本工作的第一项贡献是研究此前提出的基准‘REAL 竞赛’所带来的挑战，该竞赛旨在促进真正开放式学习机器人架构的发展。竞赛涉及一个模拟的相机-机械臂机器人：(a) 在第一个‘内在阶段’中通过自主与物体交互获得感知运动能力；(b) 在第二个‘外在阶段’中用内在阶段未知的任务进行测试，以衡量先前所获得知识的质量。该基准要求解决通常孤立处理的多个挑战，特别是探索、稀疏奖励、物体学习、泛化、任务/目标自生成以及自主技能学习。作为第二项贡献，我们提出一组‘REAL-X’机器人架构，能够解决该基准的不同版本，其中我们逐步放开最初的简化假设。这些架构基于一种动态提升抽象层次的规划方法，以及促进探索的内在动机。REAL-X 在极苛刻条件下取得了良好的性能水平。我们认为 REAL 基准代表了以最难形式研究开放式学习的宝贵工具。
引用
@article{arxiv.2011.13880,
title = {REAL-X -- Robot open-Ended Autonomous Learning Architectures: Achieving Truly End-to-End Sensorimotor Autonomous Learning Systems},
author = {Emilio Cartoni and Davide Montella and Jochen Triesch and Gianluca Baldassarre},
journal= {arXiv preprint arXiv:2011.13880},
year = {2022}
}
备注
14 pages, 13 figures. Improved version of the REAL baseline including better exploration