抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
デモンストレーション(LfD)からの学習は,多様なエンドユーザがロボットを教示して,実証を提供することによってタスクを実行するように,ロボット工学を解読することを追求する。しかし,ほとんどのLfD技術は,ユーザが最適な実証を提供すると仮定する。これは,ユーザが様々な品質の実証を提供しそうで,専門知識と他の因子で変化するかもしれない実際のアプリケーションでは必ずしも事例ではない。実証品質はロボット学習と一般化において重要な役割を果たす。したがって,ロボット学習のためにそれらを使用する前に,提供した実証の品質を定量化することが重要である。本論文では,学習されたタスクにおいてどのようにうまく機能するかに基づいて,実証の質を定量化することを提案する。タスクパフォーマンスは,類似のタスクに関する一般化性能の指標を与えることができると仮定した。提案した方法をユーザ研究(N=27)で検証した。PR2ロボットを,異なるタスク制約の下で,一般的タスク(ボタンをプレスする)を教えるために,異なるロボット専門知識レベルのユーザを募集した。彼らは2つの異なる日に2つのセッションでロボットを教えて,セッションを通してそれらの教育行動を捕えた。タスク性能を利用して,高品質で低品質のセットに提供した実証を分類した。結果は,すべての参加者を通してタスク性能と一般化性能の間の有意なピアソン相関係数(R=0.85,p<0.0001)を示した。また,ユーザは,最初のセッションから高品質な実証を提供するユーザ,高速適応者グループに割り当てられたユーザ,および最初のセッションで低品質実証を提供し,次に,遅い適応者グループに割り当てられた実践で改善されたユーザを,2つのグループにクラスタ化した。これらの結果は,タスクに対するユーザの適応レベルを示すことができる実証品質の定量化の重要性を強調する。【JST・京大機械翻訳】