Robot Learning on the Job: Human-in-the-Loop Autonomy and Learning During Deployment

要約

コンピューティング能力の急速な成長と深層学習の最近の進歩により、私たちは研究環境で新しいロボット機能の印象的なデモンストレーションを目の当たりにしました。
それにもかかわらず、これらの学習システムは脆弱な一般化を示し、実際のタスクには過剰なトレーニング データが必要です。
最先端のロボット学習モデルの不完全性を受け入れながらその機能を活用するために、人間とロボットが作業の分割を通じて協力するための原則的なフレームワークである Sirius を紹介します。
このフレームワークでは、部分自律型ロボットは、確実に機能する意思決定の大部分を処理する任務を負っています。
その間、人間のオペレーターがプロセスを監視し、困難な状況に介入します。
このような人間とロボットのチームは、複雑なタスクでの安全な展開を保証します。
さらに、タスクの実行から収集されたデータに対するポリシーのパフォーマンスを向上させるために、新しい学習アルゴリズムを導入します。
核となるアイデアは、近似した人間の信頼を使用してトレーニング サンプルを再評価し、重み付けされた行動クローンを使用してポリシーを最適化することです。
シミュレーションと実際のハードウェアで Sirius を評価し、Sirius が接触の多い操作タスクのコレクションよりも一貫してベースラインを上回っていることを示し、最先端の方法よりもシミュレーションで 8%、実際のハードウェアで 27% の向上を達成しました。
収束が 2 倍速くなり、メモリ サイズが 85% 削減されます。
ビデオとコードは、https://ut-austin-rpl.github.io/sirius/ で入手できます。

要約(オリジナル)

With the rapid growth of computing powers and recent advances in deep learning, we have witnessed impressive demonstrations of novel robot capabilities in research settings. Nonetheless, these learning systems exhibit brittle generalization and require excessive training data for practical tasks. To harness the capabilities of state-of-the-art robot learning models while embracing their imperfections, we present Sirius, a principled framework for humans and robots to collaborate through a division of work. In this framework, partially autonomous robots are tasked with handling a major portion of decision-making where they work reliably; meanwhile, human operators monitor the process and intervene in challenging situations. Such a human-robot team ensures safe deployments in complex tasks. Further, we introduce a new learning algorithm to improve the policy’s performance on the data collected from the task executions. The core idea is re-weighing training samples with approximated human trust and optimizing the policies with weighted behavioral cloning. We evaluate Sirius in simulation and on real hardware, showing that Sirius consistently outperforms baselines over a collection of contact-rich manipulation tasks, achieving an 8% boost in simulation and 27% on real hardware than the state-of-the-art methods, with twice faster convergence and 85% memory size reduction. Videos and code are available at https://ut-austin-rpl.github.io/sirius/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google