返回
Cross-robot behavior adaptation through intention alignment
DOI:10.1126/scirobotics.adv2250.png)
摘要
En 中文
模仿学习(IL)已成功使机器人能够通过学习示范来执行新任务。然而,其成功往往受限于学习者和示范者需要在相同条件下建立直接技能映射的需求,这限制了其适应多样化环境的能力以及在不同物理形态机器人间的泛化能力。为解决这些挑战,我们介绍了意图对齐模仿学习(IAIL)框架,这是一种行为适应方法,通过使机器人能够再现异构同伴示范的动作(即使在先前未见的情况下),从而扩展了传统IL的范围。受人类文化学习的启发,IAIL基于自然语言标注的高级意图对齐和调整机器人动作,而非直接复制运动行为。这种对齐是通过构建一个连接机器人生成动作与语言标注的共享意图空间来实现的,从而能够在不同形态和环境背景下实现推理时的行为适应。该框架还通过利用能力和约束的差异,支持异构机器人团队的可扩展任务分配。我们通过涉及七种不同机器人在30个场景中执行多步协作任务的真实实验验证了IAIL。结果表明,IAIL能够在形态、运动模态和任务配置的变化中实现鲁棒的意图对齐行为适应。这些能力使异构机器人间能够灵活地转移行为,并支持可靠现实世界协作的弹性和自主多机器人系统。
Keyword:
Imitation learning
Intention alignment
Behavior adaptation
Heterogeneous robots
Multirobot systems
期刊
IF:
27.5
论文数:
933
被引数:
1.4W
机构
引用论文
Long-Horizon Language-Conditioned Imitation Learning for Robotic ManipulationX. Yao, T. Blei, Y. Meng, Y. Zhang, H. Zhou, Z. Bing, K. Huang, F. Sun, A. Knoll, 长时域语言条件模仿学习在机器人操作中的应用。IEEE/ASME 机电学报,30,5628–5639(2025)。
Language-Conditioned Imitation Learning With Base Skill Priors Under Unstructured Data基于基础技能先验的无结构数据语言条件模仿学习
Teaching is associated with the transmission of opaque culture and leadership across 23 egalitarian hunter-gatherer societies教学与23个平等主义狩猎采集社会中不透明文化和领导力的传播相关联。
NATURE COMMUNICATIONS
IF15.7
UNDERSTANDING THE INTENTIONS OF OTHERS - REENACTMENT OF INTENDED ACTS BY 18-MONTH-OLD CHILDREN理解他人的意图-重演18个月大的孩子的意图行为
Physical reasoning is the missing link between action goals and kinematics A comment on An active inference model of hierarchical action understanding, learning, and imitation by Proietti et al.
PHYSICS OF LIFE REVIEWS
IF14.3

