Mobile Robots through Task-Based Human Instructions using Incremental Curriculum Learning

要約

この論文では、タスクベースの人間による指示を通じてモバイル ロボットのナビゲーションを容易にする、増分カリキュラム学習 (ICL) と深層強化学習 (DRL) 技術の統合について検討します。
人間の学習で遭遇する漸進的な複雑さを反映したカリキュラムを採用することで、私たちのアプローチは、時間の経過とともに複雑な命令を解釈して実行するロボットの能力を系統的に強化します。
私たちは、DRL の原理とその ICL との相乗効果を調査し、この組み合わせがどのようにトレーニング効率を向上させるだけでなく、動的な屋内環境をナビゲートするために必要な一般化機能をモバイル ロボットに装備するかを実証します。
実証結果は、ICL で強化された DRL フレームワークでトレーニングされたロボットが、カリキュラム学習なしでトレーニングされたロボットよりも優れたパフォーマンスを発揮することを示しており、ロボット トレーニングにおける構造化された学習の進行の利点が強調されています。

要約(オリジナル)

This paper explores the integration of incremental curriculum learning (ICL) with deep reinforcement learning (DRL) techniques to facilitate mobile robot navigation through task-based human instruction. By adopting a curriculum that mirrors the progressive complexity encountered in human learning, our approach systematically enhances robots’ ability to interpret and execute complex instructions over time. We explore the principles of DRL and its synergy with ICL, demonstrating how this combination not only improves training efficiency but also equips mobile robots with the generalization capability required for navigating through dynamic indoor environments. Empirical results indicate that robots trained with our ICL-enhanced DRL framework outperform those trained without curriculum learning, highlighting the benefits of structured learning progressions in robotic training.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google