基于扩散模型的辅助强化学习策略风险降低
机器人学
2024-05-14 v1 人工智能
摘要
辅助机器人和护理机器人技术得益于人工智能的进步，为满足日益增长的护理需求提供了有前景的解决方案，尤其是由于战争相关伤员数量增加的背景下。尽管成本曾是可及性的障碍，技术进步正在 democratize 这些解决方案。安全性仍然是首要 concern，特别是考虑到辅助机器人与人类之间的复杂互动。本研究探索了应用强化学习（RL）和模仿学习来改进辅助机器人策略设计。该方法在无需额外环境交互的情况下使风险策略更安全。通过在模拟环境中进行实验，Demonstration of the proposed approach在与辅助机器人相关的任务中改进了传统RL方法。
引用
@article{arxiv.2405.07603,
title = {Reducing Risk for Assistive Reinforcement Learning Policies with Diffusion Models},
author = {Andrii Tytarenko},
journal= {arXiv preprint arXiv:2405.07603},
year = {2024}
}