感知运动框架中的自学习与适应
机器人学
2016-01-06 v1
摘要
我们提出一个通用框架以自主完成任务，其中自主性通过机器人在与环境交互时学习其感知运动模式获得。为完成任务，我们的方法利用学到的感知运动依存关系预测将导致期望观测的动作序列。采用带自动相关性确定的高斯过程(GP)来学习感知运动映射。以此方式，可在高维感知与运动空间中系统找到相关感知和运动分量。我们提出一种增量GP学习策略，其能区分何时必须执行更新或适应。利用RRT*实现长期规划并生成导向给定目标的状态序列；而基于梯度的搜索找到在单时间步转向邻状态的最优动作。我们的实验结果证明了所提框架成功学习了高数据维度(1015)的关节空间控制器。它展示了短训练阶段(小于12秒)、实时性能和快速适应能力。
引用
@article{arxiv.1601.00852,
title = {Self-learning and adaptation in a sensorimotor framework},
author = {Ali Ghadirzadeh and Judith Bütepage and Danica Kragic and Mårten Björkman},
journal= {arXiv preprint arXiv:1601.00852},
year = {2016}
}