ロボット学習と一般化のためのデモンストレーション品質の定量化【JST・京大機械翻訳】

Sakr Maram; Li Zexi Jesse; Van der Loos H. F. Machiel; Kulic Dana; Croft Elizabeth A.

プレプリント

J-GLOBAL ID：202202216422028908 整理番号：22P0310493

ロボット学習と一般化のためのデモンストレーション品質の定量化【JST・京大機械翻訳】

Quantifying Demonstration Quality for Robot Learning and Generalization

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年03月25日プレプリントサーバーでの情報更新日： 2022年03月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

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】

, , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

ロボットの運動・制御

, , , ,

前のページに戻る