使用真实世界机器人设置强化学习任务
机器学习
2018-03-20 v1 人工智能
机器人学
机器学习
摘要
强化学习是一种很有前景的方法，用于为复杂多样的机器人任务开发难以工程化的自适应解决方案。然而，使用真实世界机器人进行学习通常不可靠且困难，这导致它们在强化学习研究中的采用率较低。缺乏使用机器人设置学习任务的指南加剧了这一困难。在这项工作中，我们使用 UR5 机械臂开发了一个学习任务，以揭示任务设置的一些关键要素，并研究它们对机器人挑战的贡献。我们发现学习性能对设置高度敏感，因此设置细节中的疏忽和遗漏会使有效学习、可重复性和公平比较变得困难。我们的研究提出了一些缓解措施，以帮助未来的实验者避免困难和陷阱。我们表明，在我们的设置中可以进行高度可靠和可重复的实验，这表明了广泛基于真实世界机器人进行强化学习研究的可能性。
引用
@article{arxiv.1803.07067,
title = {Setting up a Reinforcement Learning Task with a Real-World Robot},
author = {A. Rupam Mahmood and Dmytro Korenkevych and Brent J. Komer and James Bergstra},
journal= {arXiv preprint arXiv:1803.07067},
year = {2018}
}
备注
Submitted to 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)