基于经典机器人学生成数据集的机器人技能学习：优势、劣势与未来改进
机器人学
2023-01-24 v1 人工智能
计算机视觉与模式识别
信息检索
系统与控制
系统与控制
摘要
我们为何不利用长期存在的经典机器人学知识，而去寻找某种替代的数据收集方式？忽视所有现有方法的情况可能是一种浪费。本文主张，使用经典机器人学算法创建的数据集是未来发展的关键部分。所开发的经典算法具有完美的域适应与泛化特性，最重要的是，基于它们收集数据集相当容易。众所周知，当前的机器人技能学习方法在未知域中表现极差，并且只要没有非常专属的大型数据集，它们对抗对抗性攻击的性能就相当有限。我们的实验是使用经典机器人学代码创建数据集的初步步骤。我们的实验研究了基于经典机器人学的可能轨迹收集，指出了一些优势与劣势，并提出了其他未来发展思路。
引用
@article{arxiv.2301.08794,
title = {Robot Skill Learning Via Classical Robotics-Based Generated Datasets: Advantages, Disadvantages, and Future Improvement},
author = {Batu Kaan Oezen},
journal= {arXiv preprint arXiv:2301.08794},
year = {2023}
}