Transfer Learning in Robotics: An Upcoming Breakthrough? A Review of Promises and Challenges

要約

転移学習は、真にインテリジェントな身体化エージェントを追求する概念的に魅力的なパラダイムです。
新しい状況の中で、またはそこから学習するために事前の知識を再利用するという中心的な概念は、人間によって新しい状況に対処するためにうまく活用されています。
近年、転移学習は、模倣学習、ドメイン適応、シミュレーションから現実世界への経験の伝達など、さまざまな観点からコミュニティから新たな関心を集めています。
この論文では、ロボット工学における転移学習の概念を統一し、ロボット、タスク、環境という主要な概念を考慮したこの種の最初の分類法を提供します。
現場での約束と課題のレビューを通じて、さまざまな抽象レベルでの異動の必要性、異動のギャップと異動の質の定量化の必要性、さらにはネガティブな異動の危険性を特定します。
この意見書を通じて、私たちはロボット工学における転移学習の可能性を最大限に実現するために、コミュニティの努力を最も重要な障害に向けて導きたいと考えています。

要約(オリジナル)

Transfer learning is a conceptually-enticing paradigm in pursuit of truly intelligent embodied agents. The core concept — reusing prior knowledge to learn in and from novel situations — is successfully leveraged by humans to handle novel situations. In recent years, transfer learning has received renewed interest from the community from different perspectives, including imitation learning, domain adaptation, and transfer of experience from simulation to the real world, among others. In this paper, we unify the concept of transfer learning in robotics and provide the first taxonomy of its kind considering the key concepts of robot, task, and environment. Through a review of the promises and challenges in the field, we identify the need of transferring at different abstraction levels, the need of quantifying the transfer gap and the quality of transfer, as well as the dangers of negative transfer. Via this position paper, we hope to channel the effort of the community towards the most significant roadblocks to realize the full potential of transfer learning in robotics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google