深度机器人可供性学习的近期进展：一种强化学习视角
机器人学
2024-11-04 v2 人工智能
摘要
作为心理学领域提出的一个流行概念，可供性(affordance)被视为使人类理解并与环境交互的重要能力之一。简言之，它刻画了智能体作用于特定物体或更一般的环境某部分时动作的可能性与效果。本文对深度机器人可供性学习(DRAL)的近期发展作了简要综述，该方向旨在开发利用可供性概念辅助机器人任务的数据驱动方法。我们首先从强化学习(RL)视角对这些文献进行分类，并建立了RL与可供性之间的联系。文中讨论了各类别的技术细节并指出其局限。我们进一步加以总结，并从观测、动作、可供性表示、数据收集和真实世界部署等方面明确了未来挑战。文末给出最终评述，提出了基于RL的可供性定义这一有前景的未来方向，以纳入对任意动作后果的预测。
引用
@article{arxiv.2303.05344,
title = {Recent Advances of Deep Robotic Affordance Learning: A Reinforcement Learning Perspective},
author = {Xintong Yang and Ze Ji and Jing Wu and Yu-kun Lai},
journal= {arXiv preprint arXiv:2303.05344},
year = {2024}
}
备注
This paper is under review