基于演示的触觉密集型任务一次性学习中的自我评估
机器人学
2019-04-04 v1
摘要
人类自然地通过演示任务数次来“编程”一位合作者执行任务。因此，由人类通过演示来编程协作机器人是直观的，许多范式仅使用任务的一次演示。这是一种一次性学习形式，其中使用单个训练样本及任务的某些上下文来推断任务模型以用于后续执行与后期精炼。本文提出一种基于演示的一次性学习框架，仅利用对演示任务的视觉感知来学习触觉密集型任务。机器人依据先验技能学习执行任务的策略，并进一步基于技能执行的视觉与触觉感知使用自我评估来学习技能的力对应关系。自我评估依据演示中借助任务上下文检测到的目标状态进行，技能参数通过强化学习调整。该方法使机器人能够学习无法从任务视觉演示推断的力对应关系。使用削蔬菜皮任务评估了该方法的有效性。
引用
@article{arxiv.1904.01846,
title = {Self-Evaluation in One-Shot Learning from Demonstration of Contact-Intensive Tasks},
author = {Mythra V. Balakuntala and L. N. Vishnunandan Venkatesh and Jyothsna Padmakumar Bindu and Richard M. Voyles},
journal= {arXiv preprint arXiv:1904.01846},
year = {2019}
}