RSG: Fast Learning Adaptive Skills for Quadruped Robots by Skill Graph

要約

目に見えない野生の状況に迅速に適応できるロボットインテリジェントシステムを開発することは、自律ロボット工学を追求する上での重要な課題の1つです。
脚式ロボットの分野では、歩行の安定性とスキル学習において目覚ましい進歩が見られましたが、迅速に適応する能力は依然として自然界の動物よりも劣っています。
動物は生き残るために必要な膨大なスキルを持って生まれており、限られた経験で基本的なスキルを構築することで、すぐに新しいスキルを獲得できます。
これに触発されて、私たちはロボットの膨大な基本スキルを整理し、それらを巧みに再利用して迅速な適応を実現するための、ロボット スキル グラフ (RSG) と呼ばれる新しいフレームワークを提案します。
RSG はナレッジ グラフ (KG) に似た構造を持ち、KG の静的な知識の代わりに大規模な動的な行動スキルで構成されており、学習コンテキストとロボットの習得スキルの間に存在する暗黙の関係を発見することができ、出発点として機能します。
ロボットのスキル学習に存在する微妙なパターンを理解するためのポイント。
広範な実験結果は、RSG が新しいタスクや環境に対して合理的なスキル推論を提供し、四足ロボットが新しいシナリオに適応して新しいスキルを迅速に学習できることを示しています。

要約(オリジナル)

Developing robotic intelligent systems that can adapt quickly to unseen wild situations is one of the critical challenges in pursuing autonomous robotics. Although some impressive progress has been made in walking stability and skill learning in the field of legged robots, their ability to fast adaptation is still inferior to that of animals in nature. Animals are born with massive skills needed to survive, and can quickly acquire new ones, by composing fundamental skills with limited experience. Inspired by this, we propose a novel framework, named Robot Skill Graph (RSG) for organizing massive fundamental skills of robots and dexterously reusing them for fast adaptation. Bearing a structure similar to the Knowledge Graph (KG), RSG is composed of massive dynamic behavioral skills instead of static knowledge in KG and enables discovering implicit relations that exist in be-tween of learning context and acquired skills of robots, serving as a starting point for understanding subtle patterns existing in robots’ skill learning. Extensive experimental results demonstrate that RSG can provide rational skill inference upon new tasks and environments and enable quadruped robots to adapt to new scenarios and learn new skills rapidly.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google