用于机器人感知与决策的基于序列的多模态学徒学习
机器人学
2017-02-27 v1 人工智能
计算机视觉与模式识别
摘要
学徒学习近期引起了广泛关注，因为它能够让机器人直接从人类专家提供的演示中学习物理任务。以往的大多数技术假设状态空间是先验已知的，或者采用简单的状态表示，这些表示通常会受到感知混叠问题的困扰。与以往研究不同，我们提出了一种名为基于序列的多模态学徒学习（SMAL）的新方法，该方法能够同时融合时间信息与多模态数据，并将机器人感知与决策相集成。为了评估 SMAL 方法，我们在具有挑战性的搜救场景中使用仿真和真实机器人进行了实验。实证研究验证了我们的 SMAL 方法能够有效地为机器人学习利用多模态观测序列进行决策的方案。实验结果还表明，SMAL 优于使用单张图像的基线方法。
引用
@article{arxiv.1702.07475,
title = {Sequence-based Multimodal Apprenticeship Learning For Robot Perception and Decision Making},
author = {Fei Han and Xue Yang and Yu Zhang and Hao Zhang},
journal= {arXiv preprint arXiv:1702.07475},
year = {2017}
}
备注
8 pages, 6 figures, accepted by ICRA'17