A Survey of Behavior Learning Applications in Robotics — State of the Art and Perspectives

要約

多くの分野での機械学習の最近の成功は圧倒的であり、それがロボット工学における行動学習の機能に関して誤った期待につながることがよくあります。
この調査では、ロボットの動作に関する機械学習の現状を分析します。
実際のロボットで学習され、使用されている動作の広範な概要を説明します。
私たちは、運動学的または感覚的に複雑なロボットに焦点を当てています。
これには、人型ロボットまたは人型ロボットの一部 (脚型ロボットやロボット アームなど) が含まれます。
提示された行動をさまざまなカテゴリーに分類し、何が学べるか、何を学ぶべきかについて結論を導き出します。
さらに、現在は困難であるが、将来的には機械学習によって解決される可能性がある問題についての見通しを示し、古典的なロボット工学や人工知能によるその他のアプローチを機械学習とさらに統合して、完全な自律システムを形成する必要があると主張します。

要約(オリジナル)

Recent success of machine learning in many domains has been overwhelming, which often leads to false expectations regarding the capabilities of behavior learning in robotics. In this survey, we analyze the current state of machine learning for robotic behaviors. We will give a broad overview of behaviors that have been learned and used on real robots. Our focus is on kinematically or sensorially complex robots. That includes humanoid robots or parts of humanoid robots, for example, legged robots or robotic arms. We will classify presented behaviors according to various categories and we will draw conclusions about what can be learned and what should be learned. Furthermore, we will give an outlook on problems that are challenging today but might be solved by machine learning in the future and argue that classical robotics and other approaches from artificial intelligence should be integrated more with machine learning to form complete, autonomous systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google