Body Schema Acquisition through Active Learning

要約

身体スキーマ学習、つまりシリアルロボットの運動学モデルの推定の問題に対する能動学習アルゴリズムを提案します。
学習プロセスは再帰最小二乗法 (RLS) 推定を使用してオンラインで行われ、通常文献で適用される勾配法よりも優れた性能を発揮します。
さらに、この方法は、能動学習アルゴリズムを適用して、学習プロセスを改善するためのロボット構成と観察の最適なセットを見つけるために必要な情報を提供します。
最も有益な観測値を選択することにより、提案された方法は必要なデータ量を最小限に抑えます。
私たちは、リアルタイムでポイントを選択するためのアクティブ ラーニング アルゴリズムの効率的なバージョンを開発しました。
アルゴリズムは、シミュレートされた環境と実際の人型ロボットの両方を使用してテストおよび比較されています。

要約(オリジナル)

We present an active learning algorithm for the problem of body schema learning, i.e. estimating a kinematic model of a serial robot. The learning process is done online using Recursive Least Squares (RLS) estimation, which outperforms gradient methods usually applied in the literature. In addiction, the method provides the required information to apply an active learning algorithm to find the optimal set of robot configurations and observations to improve the learning process. By selecting the most informative observations, the proposed method minimizes the required amount of data. We have developed an efficient version of the active learning algorithm to select the points in real-time. The algorithms have been tested and compared using both simulated environments and a real humanoid robot.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google