Transformer-XL 用于机器人演示学习中的长序列任务
机器人学
2025-12-16 v1
摘要
本文提出了一种创新的 Transformer-XL 在机器人演示学习(LfD)中处理长序列任务的应用。该框架有效地整合了多模态传感器输入，包括 RGB-D 图像、激光雷达和触觉传感器，以构建完整的特征向量。凭借 Transformer-XL 的先进功能，特别是其注意力机制和位置编码，本方法能够处理多模态感知数据的内在复杂性和长期依赖性。广泛的实证评估结果表明，本方法在任务成功率、准确性和计算效率方面均显著优于包括长短期记忆(LSTM)网络和卷积神经网络(CNN)在内的传统方法。结果表明，基于 Transformer-XL 的框架不仅提升了机器人的感知和决策能力，也为未来在机器人演示学习领域的进一步发展提供了稳健的基础。
引用
@article{arxiv.2405.15562,
title = {Transformer-XL for Long Sequence Tasks in Robotic Learning from Demonstration},
author = {Gao Tianci},
journal= {arXiv preprint arXiv:2405.15562},
year = {2025}
}
备注
11 pages,4 figures