通过技能图解锁 quadruped 自适应行为的可靠技能推断
机器人学
2025-02-27 v2 人工智能
摘要
开发能够快速适应未见野外情形的机器人智能系统，是追求自主机器人中的关键挑战之一。尽管在足式机器人领域的行走稳定性和技能学习方面已取得一些令人印象深刻的进展，它们快速适应的能力仍不及自然界中的动物。动物生来具有生存所需的大量技能，并能通过以有限经验组合基础技能来快速获取新技能。受此启发，我们提出了一个名为机器人技能图（RSG）的新框架，用于组织机器人的大量基础技能并灵巧地复用它们以实现快速适应。RSG 具有类似于知识图（KG）的结构，其由大量动态行为技能而非 KG 中的静态知识组成，并能发现存在于学习上下文与机器人已获技能之间的隐式关系，可作为理解机器人技能学习中存在的细微模式的起点。大量实验结果表明，RSG 能对新任务和新环境提供可靠的技能推断，并使 quadruped 机器人适应新场景并快速学习新技能。
引用
@article{arxiv.2311.06015,
title = {Unlock Reliable Skill Inference for Quadruped Adaptive Behavior by Skill Graph},
author = {Hongyin Zhang and Diyuan Shi and Zifeng Zhuang and Han Zhao and Zhenyu Wei and Feng Zhao and Sibo Gai and Shangke Lyu and Donglin Wang},
journal= {arXiv preprint arXiv:2311.06015},
year = {2025}
}