論文の概要: Training Humans to Train Robots Dynamic Motor Skills
- arxiv url: http://arxiv.org/abs/2104.08631v1
- Date: Sat, 17 Apr 2021 19:39:07 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-23 07:21:35.092785
- Title: Training Humans to Train Robots Dynamic Motor Skills
- Title（参考訳）: ロボットのダイナミックモータースキルを訓練する人間
- Authors: Marina Y. Aoyama, Matthew Howard
- Abstract要約: 本稿では,実演の質を決定するための指標を導出する機械教育について検討する。
簡単な学習ロボットを用いた実験では,提案手法による指導と指導が,学習者スキルの最大66.5%の誤差を減少させる可能性が示唆された。
- 参考スコア（独自算出の注目度）: 5.5586788751870175
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Learning from demonstration (LfD) is commonly considered to be a natural and
intuitive way to allow novice users to teach motor skills to robots. However,
it is important to acknowledge that the effectiveness of LfD is heavily
dependent on the quality of teaching, something that may not be assured with
novices. It remains an open question as to the most effective way of guiding
demonstrators to produce informative demonstrations beyond ad hoc advice for
specific teaching tasks. To this end, this paper investigates the use of
machine teaching to derive an index for determining the quality of
demonstrations and evaluates its use in guiding and training novices to become
better teachers. Experiments with a simple learner robot suggest that guidance
and training of teachers through the proposed approach can lead to up to 66.5%
decrease in error in the learnt skill.
- Abstract（参考訳）: learning from demonstration(lfd)は、初心者がロボットにモータースキルを教えることを可能にする、自然で直感的な方法だと考えられている。
しかし、LfDの有効性が教育の質に大きく依存していることは、初心者に保証されない可能性があることを認識しておくことが重要である。
デモ参加者に、特定の教職に対するアドホックなアドバイス以上の情報的なデモンストレーションを誘導する最も効果的な方法について、未解決の疑問が残る。
そこで本研究では,実演の質を判断する指標を導出するための機械教育の活用について検討し,より優れた教師になるための指導・訓練におけるその利用を評価した。
簡単な学習ロボットを用いた実験では,提案手法による指導と指導が,学習者スキルの最大66.5%の誤差を減少させる可能性が示唆された。
関連論文リスト
- SPIRE: Synergistic Planning, Imitation, and Reinforcement Learning for Long-Horizon Manipulation [58.14969377419633]
タスクをより小さな学習サブプロブレムに分解し、第2に模倣と強化学習を組み合わせてその強みを最大化するシステムであるspireを提案する。
我々は、模倣学習、強化学習、計画を統合する従来の手法よりも平均タスク性能が35%から50%向上していることを発見した。
論文 参考訳（メタデータ） (2024-10-23T17:42:07Z) - Effects of Multimodal Explanations for Autonomous Driving on Driving Performance, Cognitive Load, Expertise, Confidence, and Trust [2.9143343479274675]
我々は、AIコーチの説明コミュニケーションが、パフォーマンス駆動専門家の指示をモデルにした影響を検証した。
結果として、AIコーチングは、初心者にパフォーマンス駆動スキルを効果的に教えることができることを示している。
効率的なHMI通信を設計する際には,効率的なモダリティに適した説明を選択すべきである。
論文 参考訳（メタデータ） (2024-01-08T19:33:57Z) - How Can Everyday Users Efficiently Teach Robots by Demonstrations? [3.6145826787059643]
本稿では,人間の教師に情報伝達の実証例を提案するための指標として,タスク関連情報エントロピーという不確実性の尺度を提案する。
その結果,教師のデモンストレーションからロボット学習効率が大幅に向上した。
論文 参考訳（メタデータ） (2023-10-19T18:21:39Z) - Mimicking the Maestro: Exploring the Efficacy of a Virtual AI Teacher in
Fine Motor Skill Acquisition [3.07176124710244]
運動スキル、特に手書きなどの運動スキルは、学術的な追求や日常生活において重要な役割を担っている。
これらのスキルを効果的に教える伝統的な方法は、時間がかかり、一貫性がない。
我々は,人間の教官の特徴を捉えたAI教師モデルを導入する。
論文 参考訳（メタデータ） (2023-10-16T11:11:43Z) - Teachable Reinforcement Learning via Advice Distillation [161.43457947665073]
外部教師が提供した構造化アドバイスから学習する「教育可能な」意思決定システムに基づく対話型学習のための新しい指導パラダイムを提案する。
我々は、アドバイスから学ぶエージェントが、標準的な強化学習アルゴリズムよりも人的監督力の少ない新しいスキルを習得できることを示す。
論文 参考訳（メタデータ） (2022-03-19T03:22:57Z) - Iterative Teacher-Aware Learning [136.05341445369265]
人間の教育において、教師と学生はコミュニケーション効率を最大化するために適応的に交流することができる。
本稿では,教師の協調意図を可能性関数に組み込むことができる,勾配最適化に基づく教師認識学習者を提案する。
論文 参考訳（メタデータ） (2021-10-01T00:27:47Z) - Learning to Teach with Student Feedback [67.41261090761834]
対話的知識蒸留 (Interactive Knowledge Distillation, IKD) は、教師が生徒のフィードバックから教えることを学ぶことを可能にする。
IKDは教師モデルを訓練し、特定の学生のトレーニングステップごとに特定のソフトターゲットを生成する。
教師と生徒の協調的な最適化は2つの反復的なステップによって達成される。
論文 参考訳（メタデータ） (2021-09-10T03:01:01Z) - Adversarial Training is Not Ready for Robot Learning [55.493354071227174]
対人訓練は,ノルム有界摂動に耐性のあるディープラーニングモデルを訓練する有効な方法である。
敵訓練により得られたニューラルコントローラが3種類の欠陥を受けることを理論的および実験的に示す。
この結果から, ロボット学習にはまだ対応できていないことが示唆された。
論文 参考訳（メタデータ） (2021-03-15T07:51:31Z) - Using Machine Teaching to Investigate Human Assumptions when Teaching
Reinforcement Learners [26.006964607579004]
本稿では,一般的な強化学習手法,Q-ラーニングに着目し,行動実験を用いた仮定について検討する。
本研究では,学習者の環境をシミュレートし,学習者の内的状態にフィードバックがどう影響するかを予測する深層学習近似手法を提案する。
この結果から,評価フィードバックを用いた学習の仕方や,直感的に機械エージェントを設計する方法についてのガイダンスが得られた。
論文 参考訳（メタデータ） (2020-09-05T06:32:38Z) - Learn and Transfer Knowledge of Preferred Assistance Strategies in
Semi-autonomous Telemanipulation [16.28164706104047]
我々は、新しい嗜好認識型知識学習アプローチを開発する。
補助選好モデルは、人間が好む援助を学習する。
また,異なるロボットハンド構造間で好みの知識を伝達する知識伝達手法を開発した。
論文 参考訳（メタデータ） (2020-03-07T04:49:57Z) - Explainable Active Learning (XAL): An Empirical Study of How Local
Explanations Impact Annotator Experience [76.9910678786031]
本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。
本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
論文 参考訳（メタデータ） (2020-01-24T22:52:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。