潜意识机器人模仿学习
机器人学
2024-12-31 v1
摘要
尽管机器人模仿学习 (RIL) 在具身智能机器人方面具有前景，但现有的RIL方法依赖于计算密集的多模型轨迹预测，导致执行速度慢且实时响应能力受限。相反，人类潜意识能够不断处理和存储来自经验、感知和学习的大量信息，使其能够完成如骑自行车等复杂动作，而无需在每个动作上进行有意识的思考。致力于此行动神经学现象，本文引入潜意识机器人模仿学习 (SRIL)，通过结合认知卸载与历史动作块状，减少模型推断导致的延迟，从而加速任务执行。该过程通过潜意识下采样和模式增强学习策略进一步优化，其中以意图丰富信息为重，采用量化采样技术以提高操作效率。实验结果表明，SRIL在综合双臂任务方面的执行速度比当前SOTA方法快100%至200%，且成功率持续更高。
引用
@article{arxiv.2412.20368,
title = {Subconscious Robotic Imitation Learning},
author = {Jun Xie and Zhicheng Wang and Jianwei Tan and Huanxu Lin and Xiaoguang Ma},
journal= {arXiv preprint arXiv:2412.20368},
year = {2024}
}