RoboTurk：一种通过模仿学习机器人技能的众包平台

Ajay Mandlekar; Yuke Zhu; Animesh Garg; Jonathan Booher; Max Spero; Albert Tung; Julian Gao; John Emmons; Anchit Gupta; Emre Orbay; Silvio Savarese; Li Fei-Fei

RoboTurk：一种通过模仿学习机器人技能的众包平台

机器人学 2018-11-08 v1 人工智能机器学习

作者: Ajay Mandlekar , Yuke Zhu , Animesh Garg , Jonathan Booher , Max Spero , Albert Tung , Julian Gao , John Emmons , Anchit Gupta , Emre Orbay , Silvio Savarese , Li Fei-Fei

在 arXiv 上查看 ↗ PDF ↗

摘要

模仿学习通过解决强化学习的探索与奖励设定等缺点，推动了近期机器人操纵任务学习的进展。然而，由于通过现有机制收集大量任务演示困难，该领域研究受限于中等规模数据集。本工作引入RoboTurk以应对此挑战。RoboTurk是一个利用广泛可用的移动设备（如iPhone）进行基于高质量6自由度轨迹的遥操作的众包平台。我们在三个不同时长（15-120秒）的操纵任务上评估RoboTurk，观察到我们的用户界面在任务完成时间上统计上类似于虚拟现实控制器等专用硬件。此外，我们观察到较差的网络条件，如低带宽和高延迟链路，并不会实质影响远程用户在RoboTurk上成功执行任务演示的能力。最后，我们通过收集一个试点数据集证明RoboTurk的效能；使用RoboTurk，我们从远程工作者处收集了137.5小时的操纵数据，在22小时总系统使用中完成了超过2200次成功任务演示。我们表明，通过RoboTurk获得的数据能够实现具有稀疏奖励的多步操纵任务上的策略学习，且在策略学习期间使用更大量的演示在学习的一致性和最终性能方面均带来益处。更多结果、视频及下载我们的试点数据集，请访问 $\href{http://roboturk.stanford.edu/}{\texttt{roboturk.stanford.edu}}$

关键词

模仿学习机器人操纵众包遥操作策略学习数据集收集

引用

@article{arxiv.1811.02790,
  title  = {RoboTurk: A Crowdsourcing Platform for Robotic Skill Learning through Imitation},
  author = {Ajay Mandlekar and Yuke Zhu and Animesh Garg and Jonathan Booher and Max Spero and Albert Tung and Julian Gao and John Emmons and Anchit Gupta and Emre Orbay and Silvio Savarese and Li Fei-Fei},
  journal= {arXiv preprint arXiv:1811.02790},
  year   = {2018}
}

备注

Published at the Conference on Robot Learning (CoRL) 2018

RoboTurk：一种通过模仿学习机器人技能的众包平台

摘要

关键词

引用

备注

相关论文