镜前的机器人：通过关联自监督模型学习模仿
机器人学
2024-02-27 v2 人工智能
摘要
我们提出了一种通过关联现成自监督模型而非训练与微调来构建定制模型的方法。我们以一个人形机器人注视镜子并从所感知图像中学习检测自身身体3D姿态为例予以演示。为构建模型，我们首先通过机器人运行前准备好的模型，从视觉输入与机器人身体姿态中获取特征。随后，借助机器人在镜前采样高效的自我探索，映射其对应的潜空间。以此方式，机器人构建了所需的3D姿态检测器，其对所获样本的质量即刻完美，而非逐步获得。该映射采用关联特征向量对的方式，实现机制与著名Transformer模型的关键值机制相同。最后，将我们的模型部署于仿真机器人进行模仿，使我们能够在无需人类参与者介入的情况下研究、调优并系统评估其超参数，从而推进了先前的研究。
引用
@article{arxiv.2311.13226,
title = {Robot at the Mirror: Learning to Imitate via Associating Self-supervised Models},
author = {Andrej Lucny and Kristina Malinovska and Igor Farkas},
journal= {arXiv preprint arXiv:2311.13226},
year = {2024}
}
备注
This work was funded (or co-funded) by the Horizon-Widera-2021 European Twinning project TERAIS G.A. n. 101079338, 32nd International Conference on Artificial Neural Networks, Heraklion, Greece, September 26-29, 2023, citations: https://link.springer.com/chapter/10.1007/978-3-031-44207-0_39, codes: https://github.com/andylucny/learningImitation/tree/main/mirror, 12 pages, 3 figures, 0 tables