利用深度学习引导抽象以用于分层机器人规划
机器人学
2022-04-26 v4 人工智能
机器学习
摘要
本文解决的是学习抽象以提升机器人规划性能，同时提供强可靠性保证的问题。尽管最先进的分层机器人规划算法允许机器人高效计算用于完成用户期望任务的长期运动规划，这些方法通常依赖于需要专家手工设计的、依赖于环境的态与动作抽象。我们提出了一种引导整个分层规划过程的新方法。这使我们能够利用具有自动生成的机器人专用架构的深度神经网络所预测的关键区域，为新环境自动计算抽象态与动作。我们证明所学抽象可与一种新颖的多源双向分层机器人规划算法一同使用，该算法是可靠且概率完备的。在使用完整与非完整机器人在二十种不同设置上的广泛实证评估表明：(a) 我们的所学抽象提供了高效多源分层规划所需的信息；且 (b) 这种学习、抽象与规划相结合的方法在训练时未见的测试环境中，就规划时间而言优于最先进基线近十倍。
引用
@article{arxiv.2202.00907,
title = {Using Deep Learning to Bootstrap Abstractions for Hierarchical Robot Planning},
author = {Naman Shah and Siddharth Srivastava},
journal= {arXiv preprint arXiv:2202.00907},
year = {2022}
}