論文の概要: An Augmented Reality Platform for Introducing Reinforcement Learning to K-12 Students with Robots

• arxiv url: http://arxiv.org/abs/2110.04697v1
• Date: Sun, 10 Oct 2021 03:51:39 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-12 18:52:01.803190
• Title: An Augmented Reality Platform for Introducing Reinforcement Learning to K-12 Students with Robots
• Title（参考訳）: ロボットを用いたK-12学生への強化学習導入のための拡張現実プラットフォーム
• Authors: Ziyi Zhang, Samuel Micah Akai-Nettey, Adonai Addo, Chris Rogers, Jivko Sinapov
• Abstract要約: 本研究では,学習の隠れ状態を明らかにする拡張現実(AR)システムを提案する。 本稿では,システムの設計と実装について述べるとともに,今後の2つの方向性について議論する。
• 参考スコア（独自算出の注目度）: 10.835598738100359
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Interactive reinforcement learning, where humans actively assist during an agent's learning process, has the promise to alleviate the sample complexity challenges of practical algorithms. However, the inner workings and state of the robot are typically hidden from the teacher when humans provide feedback. To create a common ground between the human and the learning robot, in this paper, we propose an Augmented Reality (AR) system that reveals the hidden state of the learning to the human users. This paper describes our system's design and implementation and concludes with a discussion on two directions for future work which we are pursuing: 1) use of our system in AI education activities at the K-12 level; and 2) development of a framework for an AR-based human-in-the-loop reinforcement learning, where the human teacher can see sensory and cognitive representations of the robot overlaid in the real world.
• Abstract（参考訳）: 対話型強化学習(Interactive reinforcement learning)は、エージェントの学習プロセス中に人間が積極的に支援し、実用的なアルゴリズムの複雑さの問題を緩和する。 しかし、ロボットの内部の働きや状態は、人間がフィードバックを提供するときに教師から隠される。 本稿では,人間と学習ロボットの共通基盤を構築するために,学習の隠れた状態を明らかにする拡張現実(ar)システムを提案する。 本稿では,本システムの設計と実装について述べるとともに,今後の課題について述べる。 1)k-12レベルにおけるai教育活動における本システムの利用 2) 実世界におけるロボットの感覚と認知の表現を人間の教師が見ることができるARによる人間内強化学習のためのフレームワークの開発。

関連論文リスト

• On the Effect of Robot Errors on Human Teaching Dynamics [1.7249361224827533]
  ロボットエラーの存在と重大さが、人間の教示力学の3次元にどのように影響するかを考察する。 結果は、人々はロボットにエラーを教えるのにより多くの時間を費やす傾向があることを示している。 対話型学習のための効果的なインタフェースを設計するための貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2024-09-15T19:02:34Z)
• Advancing Household Robotics: Deep Interactive Reinforcement Learning for Efficient Training and Enhanced Performance [0.0]
  強化学習(Reinforcement Learning, RL)は、ロボットが環境と対話することを可能にする重要なロボティクス技術として登場した。 本稿では,Deep Interactive Reinforcement Learningを通じて情報とアドバイスを保存・再利用する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-05-29T01:46:50Z)
• Autonomous Robotic Reinforcement Learning with Asynchronous Human Feedback [27.223725464754853]
  GEARは、ロボットを現実世界の環境に配置し、中断することなく自律的に訓練することを可能にする。 システムはリモート、クラウドソース、非専門家からの非同期フィードバックのみを必要とする、Webインターフェースにロボットエクスペリエンスをストリームする。
  論文  参考訳（メタデータ） (2023-10-31T16:43:56Z)
• Human in the AI loop via xAI and Active Learning for Visual Inspection [2.261815118231329]
  産業革命は生産に自動化を導入することで製造業をディスラプトした。 ロボット工学と人工知能の進歩は、人間と機械のコラボレーションの新たなフロンティアを開く。 本研究はまず,産業5.0,人間と機械のコラボレーション,品質検査に関する最先端技術について述べる。
  論文  参考訳（メタデータ） (2023-07-03T17:23:23Z)
• Incremental procedural and sensorimotor learning in cognitive humanoid robots [52.77024349608834]
  本研究は,手順を段階的に学習する認知エージェントを提案する。 各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。 結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
  論文  参考訳（メタデータ） (2023-04-30T22:51:31Z)
• Learning Human-to-Robot Handovers from Point Clouds [63.18127198174958]
  視覚に基づく人間ロボットハンドオーバの制御ポリシーを学習する最初のフレームワークを提案する。 シミュレーションベンチマーク,sim-to-sim転送,sim-to-real転送において,ベースラインよりも大きな性能向上を示した。
  論文  参考訳（メタデータ） (2023-03-30T17:58:36Z)
• Cognitive architecture aided by working-memory for self-supervised multi-modal humans recognition [54.749127627191655]
  人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。 ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。 1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
  論文  参考訳（メタデータ） (2021-03-16T13:50:24Z)
• Joint Mind Modeling for Explanation Generation in Complex Human-Robot Collaborative Tasks [83.37025218216888]
  本稿では,人間とロボットのコラボレーションにおいて,人間のようなコミュニケーションを実現するための新しい説明可能なAI(XAI)フレームワークを提案する。 ロボットは、人間のユーザの階層的なマインドモデルを構築し、コミュニケーションの一形態として自身のマインドの説明を生成する。 その結果,提案手法はロボットの協調動作性能とユーザ認識を著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2020-07-24T23:35:03Z)
• Deep Reinforcement Learning with Interactive Feedback in a Human-Robot Environment [1.2998475032187096]
  対話型フィードバックを用いた深層強化学習手法を提案し,人間ロボットのシナリオで家庭内課題を学習する。 シミュレーションロボットアームを用いた3つの学習手法を比較し,異なる物体を整理する作業について検討した。 その結果、学習エージェントは、エージェントIDeepRLまたはヒューマンIDeepRLを使用して、与えられたタスクを早期に完了し、自律的なDeepRLアプローチと比較して誤りが少ないことがわかった。
  論文  参考訳（メタデータ） (2020-07-07T11:55:27Z)
• Learning to Complement Humans [67.38348247794949]
  オープンワールドにおけるAIに対するビジョンの高まりは、知覚、診断、推論タスクのために人間を補完できるシステムの開発に焦点を当てている。 我々は,人間-機械チームの複合的なパフォーマンスを最適化するために,エンド・ツー・エンドの学習戦略をどのように活用できるかを実証する。
  論文  参考訳（メタデータ） (2020-05-01T20:00:23Z)
• The Ingredients of Real-World Robotic Reinforcement Learning [71.92831985295163]
  実世界で収集されたデータによって継続的に自律的に改善できるロボット学習システムに必要な要素について論じる。 本稿では,このようなシステムの特異なインスタンス化を事例として,デクスタラスな操作を事例として提案する。 我々は人間の介入なしに学習できることを実証し、現実世界の3本指の手で様々な視覚ベースのスキルを習得する。
  論文  参考訳（メタデータ） (2020-04-27T03:36:10Z)

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。