利用 POMDP 与生成模型迈向机器人的即插即用任务级自主性
机器人学
2022-07-21 v1 人工智能
软件工程
摘要
为使机器人实现高层目标，工程师通常编写脚本，将现有的专门技能（如导航、物体检测与操控）应用于实现这些目标。编写良好的脚本具有挑战性，因为它们必须智能地平衡物理机器人动作与传感器的固有随机性，以及其拥有的有限信息。原则上，AI 规划可用于应对这一挑战并自动生成良好的行为策略。但这需要跨越三个障碍。首先，AI 必须理解每个技能对世界的影响。其次，我们必须弥合我们理解技能作用的更抽象层次与其代码中使用的底层状态变量之间的差距。第三，需要大量的集成工作来将所有组件连接起来。我们描述了一种将机器人技能集成到可工作的自主机器人控制器中的方法，该控制器调度其技能以实现指定任务，并具有四个关键优势。1）我们的生成式技能文档语言（GSDL）利用概率编程语言的思路，使代码文档更简单、紧凑且更具表现力。2）一种具表达力的抽象映射（AM）弥合了底层机器人代码与抽象 AI 规划模型之间的差距。3）任何经过适当文档化的技能均可被控制器使用，无需额外编程工作，提供即插即用（Plug'n Play）体验。4）POMDP 求解器在适当平衡部分可观测性、随机行为与噪声传感的同时调度技能执行。
引用
@article{arxiv.2207.09713,
title = {Towards Plug'n Play Task-Level Autonomy for Robotics Using POMDPs and Generative Models},
author = {Or Wertheim and Dan R. Suissa and Ronen I. Brafman},
journal= {arXiv preprint arXiv:2207.09713},
year = {2022}
}
备注
In Proceedings AREA 2022, arXiv:2207.09058