論文の概要: Interactive Continual Learning Architecture for Long-Term
Personalization of Home Service Robots
- arxiv url: http://arxiv.org/abs/2403.03462v1
- Date: Wed, 6 Mar 2024 04:55:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-07 16:02:11.411417
- Title: Interactive Continual Learning Architecture for Long-Term
Personalization of Home Service Robots
- Title（参考訳）: ホームサービスロボットの長期パーソナライズのための対話型連続学習アーキテクチャ
- Authors: Ali Ayub, Chrystopher Nehaniv, Kerstin Dautenhahn
- Abstract要約: 本研究では,人間とロボットのインタラクションを通じて,家庭環境における意味的知識の連続学習のための対話型連続学習アーキテクチャを開発する。
このアーキテクチャは、人間の新しい知識を効率的かつリアルタイムに学習するための学習と記憶のコア認知原則に基づいている。
- 参考スコア（独自算出の注目度）: 11.648129262452116
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: For robots to perform assistive tasks in unstructured home environments, they
must learn and reason on the semantic knowledge of the environments. Despite a
resurgence in the development of semantic reasoning architectures, these
methods assume that all the training data is available a priori. However, each
user's environment is unique and can continue to change over time, which makes
these methods unsuitable for personalized home service robots. Although
research in continual learning develops methods that can learn and adapt over
time, most of these methods are tested in the narrow context of object
classification on static image datasets. In this paper, we combine ideas from
continual learning, semantic reasoning, and interactive machine learning
literature and develop a novel interactive continual learning architecture for
continual learning of semantic knowledge in a home environment through
human-robot interaction. The architecture builds on core cognitive principles
of learning and memory for efficient and real-time learning of new knowledge
from humans. We integrate our architecture with a physical mobile manipulator
robot and perform extensive system evaluations in a laboratory environment over
two months. Our results demonstrate the effectiveness of our architecture to
allow a physical robot to continually adapt to the changes in the environment
from limited data provided by the users (experimenters), and use the learned
knowledge to perform object fetching tasks.
- Abstract（参考訳）: ロボットが非構造環境において補助的なタスクを遂行するには、環境の意味的な知識を学習し、推論する必要がある。
セマンティック推論アーキテクチャの開発が再開したにもかかわらず、これらの手法はすべてのトレーニングデータが事前利用可能であると仮定する。
しかし、各ユーザの環境は独特であり、時間とともに変化し続けることができるため、パーソナライズされたホームサービスロボットには適さない。
連続学習の研究は、時間とともに学習し適応できる手法を開発するが、これらの手法のほとんどは、静的画像データセットのオブジェクト分類の狭いコンテキストでテストされている。
本稿では,連続学習,意味推論,対話型機械学習文学のアイデアを組み合わせて,人間とロボットの相互作用を通じて家庭環境における意味知識の連続学習のための対話型連続学習アーキテクチャを開発する。
このアーキテクチャは、人間の新しい知識を効率的かつリアルタイムに学習するための学習と記憶のコア認知原則に基づいている。
我々は,物理移動マニピュレータロボットとアーキテクチャを統合し,実験室環境において2ヶ月にわたってシステム評価を行う。
本研究は,ユーザ(実験者)が提供した限られたデータから,物理的ロボットが環境変化に継続的に適応し,学習した知識を用いてオブジェクトフェッチタスクを行うためのアーキテクチャの有効性を示す。
関連論文リスト
- A Personalized Household Assistive Robot that Learns and Creates New
Breakfast Options through Human-Robot Interaction [9.475039534437332]
利用者から個人化された朝食の選択肢を学習できる家庭用補助ロボットの認知アーキテクチャを提案する。
アーキテクチャはまた、学習した知識を使って、長期間にわたって新しい朝食オプションを作成することもできる。
このアーキテクチャは、Fetchモバイルマニピュレータロボットと統合され、概念実証システム評価として検証される。
論文 参考訳（メタデータ） (2023-06-30T19:57:15Z) - Evaluating Continual Learning on a Home Robot [30.620205237707342]
そこで本研究では,現実の低コストなホームロボットにおいて,連続学習手法をどのように適用することができるかを示す。
本稿では,スキルライブラリを継続的に学習するSANERと,それを支援するバックボーンとしてABIPを提案する。
論文 参考訳（メタデータ） (2023-06-04T17:14:49Z) - Knowledge Acquisition and Completion for Long-Term Human-Robot
Interactions using Knowledge Graph Embedding [0.0]
本研究では,長期にわたる継続的な学習において,ユーザや環境からデータを収集するアーキテクチャを提案する。
我々は,ロボットの内部表現を段階的に拡張することを目的として,取得した情報を一般化するための知識グラフ埋め込み技術を採用した。
本研究では,学習主体のロボットの能力と,未知の文脈から得られる関係を計測することにより,連続学習アーキテクチャの性能を評価する。
論文 参考訳（メタデータ） (2023-01-17T12:23:40Z) - Planning for Learning Object Properties [117.27898922118946]
我々は、物体特性を象徴的な計画問題として認識するために、ニューラルネットワークを自動的に訓練する問題を定式化する。
トレーニングデータセット作成と学習プロセスを自動化するための戦略を作成するために,計画手法を使用します。
シミュレーションと実環境の両方で実験的な評価を行う。
論文 参考訳（メタデータ） (2023-01-15T09:37:55Z) - Autonomous Open-Ended Learning of Tasks with Non-Stationary
Interdependencies [64.0476282000118]
固有のモチベーションは、目標間のトレーニング時間を適切に割り当てるタスクに依存しないシグナルを生成することが証明されている。
内在的に動機付けられたオープンエンドラーニングの分野におけるほとんどの研究は、目標が互いに独立しているシナリオに焦点を当てているが、相互依存タスクの自律的な獲得を研究するのはごくわずかである。
特に,タスク間の関係に関する情報をアーキテクチャのより高レベルなレベルで組み込むことの重要性を示す。
そして、自律的に取得したシーケンスを格納する新しい学習層を追加することで、前者を拡張する新しいシステムであるH-GRAILを紹介する。
論文 参考訳（メタデータ） (2022-05-16T10:43:01Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z) - 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) - Hierarchical Affordance Discovery using Intrinsic Motivation [69.9674326582747]
本研究では,移動ロボットの価格学習を支援するために,本質的なモチベーションを用いたアルゴリズムを提案する。
このアルゴリズムは、事前にプログラムされたアクションなしで、相互に関連のある価格を自律的に発見し、学習し、適応することができる。
一度学習すると、これらの余裕はアルゴリズムによって様々な困難を伴うタスクを実行するために一連のアクションを計画するために使われる。
論文 参考訳（メタデータ） (2020-09-23T07:18:21Z) - SAPIEN: A SimulAted Part-based Interactive ENvironment [77.4739790629284]
SAPIENは現実的で物理に富んだシミュレートされた環境であり、音声オブジェクトのための大規模なセットをホストしている。
部品検出と動作特性認識のための最先端の視覚アルゴリズムの評価を行い,ロボットインタラクションタスクの実証を行った。
論文 参考訳（メタデータ） (2020-03-19T00:11:34Z) - The State of Lifelong Learning in Service Robots: Current Bottlenecks in
Object Perception and Manipulation [3.7858180627124463]
State-of-the-artは、オブジェクトの知覚と操作を適切に結合するように改善を続けている。
ほとんどの場合、ロボットは様々な物体を認識でき、衝突のない軌道を素早く計画して対象物を把握できる。
このような環境下では、バッチ学習に使用するトレーニングデータがどれほど広範囲であっても、ロボットは常に新しいオブジェクトに直面する。
ロボットの自己学習とは別に、専門家でないユーザは、体験獲得のプロセスを対話的にガイドできる。
論文 参考訳（メタデータ） (2020-03-18T11:00:55Z)
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。