論文の概要: Interactive incremental learning of generalizable skills with local trajectory modulation

• arxiv url: http://arxiv.org/abs/2409.05655v1
• Date: Mon, 9 Sep 2024 14:22:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-10 14:29:54.981364
• Title: Interactive incremental learning of generalizable skills with local trajectory modulation
• Title（参考訳）: 局所軌道変調による一般化可能なスキルの対話的インクリメンタル学習
• Authors: Markus Knauer, Alin Albu-Schäffer, Freek Stulp, João Silvério,
• Abstract要約: 軌道分布の局所的および大域的変調を同時に活用するインタラクティブな模倣学習フレームワークを提案する。 提案手法では, インクリメンタルかつインタラクティブに, 1) モデル精度の向上, 2) 実行中のタスクに新しいオブジェクトの追加,3) デモが提供されていない領域にスキルを拡大する。
• 参考スコア（独自算出の注目度）: 14.416251854298409
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The problem of generalization in learning from demonstration (LfD) has received considerable attention over the years, particularly within the context of movement primitives, where a number of approaches have emerged. Recently, two important approaches have gained recognition. While one leverages via-points to adapt skills locally by modulating demonstrated trajectories, another relies on so-called task-parameterized models that encode movements with respect to different coordinate systems, using a product of probabilities for generalization. While the former are well-suited to precise, local modulations, the latter aim at generalizing over large regions of the workspace and often involve multiple objects. Addressing the quality of generalization by leveraging both approaches simultaneously has received little attention. In this work, we propose an interactive imitation learning framework that simultaneously leverages local and global modulations of trajectory distributions. Building on the kernelized movement primitives (KMP) framework, we introduce novel mechanisms for skill modulation from direct human corrective feedback. Our approach particularly exploits the concept of via-points to incrementally and interactively 1) improve the model accuracy locally, 2) add new objects to the task during execution and 3) extend the skill into regions where demonstrations were not provided. We evaluate our method on a bearing ring-loading task using a torque-controlled, 7-DoF, DLR SARA robot.
• Abstract（参考訳）: 実証から学ぶことの一般化(LfD)の問題は、特に多くのアプローチが出現した運動プリミティブの文脈において、長年にわたって大きな注目を集めてきた。 最近、二つの重要なアプローチが認識されるようになった。 実演軌跡を変調して局所的にスキルを適応させるのに対して、異なる座標系に対して動きを符号化するいわゆるタスクパラメータ化モデルでは、一般化の確率の積を用いる。 前者は精密で局所的な変調に適しているが、後者はワークスペースの広い領域を一般化することを目的としており、しばしば複数のオブジェクトを含む。 両方のアプローチを同時に活用することで一般化の質に対処することはほとんど注目されていない。 本研究では,軌道分布の局所的および大域的変調を同時に活用するインタラクティブな模倣学習フレームワークを提案する。 カーネル・ムーブメント・プリミティブ(KMP)フレームワークを基盤として,人間の直感フィードバックによるスキル・モジュレーションの新たなメカニズムを導入する。 当社のアプローチでは特に,インクリメンタルかつインタラクティブなバイスポイントの概念を活用しています。 1)モデル精度を局所的に改善する。 2)実行中にタスクに新しいオブジェクトを追加し、 3)デモが提供されていない地域にスキルを拡大する。 トルク制御 7-DoF, DLR SARA ロボットを用いて軸受リングローディングタスクの評価を行った。

関連論文リスト

• Local-Global Attention: An Adaptive Mechanism for Multi-Scale Feature Integration [0.9790236766474198]
  Local-Global Attentionは、ローカルとグローバルの両方のコンテキスト機能を統合するように設計されている。 我々は、広く使われているオブジェクト検出および分類データセットのローカル・グローバル・アテンション機構を徹底的に評価した。
  論文  参考訳（メタデータ） (2024-11-14T17:22:16Z)
• Generalize or Detect? Towards Robust Semantic Segmentation Under Multiple Distribution Shifts [56.57141696245328]
  斬新なクラスとドメインの両方が存在するようなオープンワールドシナリオでは、理想的なセグメンテーションモデルは安全のために異常なクラスを検出する必要がある。 既存の方法はドメインレベルとセマンティックレベルの分散シフトを区別するのに苦労することが多い。
  論文  参考訳（メタデータ） (2024-11-06T11:03:02Z)
• RING#: PR-by-PE Global Localization with Roto-translation Equivariant Gram Learning [20.688641105430467]
  GPS信号が信頼できない場合、グローバルなローカライゼーションは自動運転やロボティクスの応用において不可欠である。 ほとんどのアプローチは、逐次位置認識(PR)とポーズ推定(PE)により、グローバルなローカライゼーションを実現する。 ポーズ推定から直接導出することで、別の場所認識の必要性を回避できる新しいパラダイムであるPR-by-PEローカライゼーションを導入する。 本稿では,鳥眼視(BEV)空間で動作する終端PR-by-PEローカライゼーションネットワークであるRING#を提案する。
  論文  参考訳（メタデータ） (2024-08-30T18:42:53Z)
• Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
  本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。 私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
  論文  参考訳（メタデータ） (2024-07-22T12:32:09Z)
• Local Action-Guided Motion Diffusion Model for Text-to-Motion Generation [52.87672306545577]
  既存の動き生成法は主に大域運動の直接合成に焦点を当てている。 本研究では,局所動作を微粒化制御信号として利用することにより,グローバルな動き生成を容易にする局所動作誘導型動き拡散モデルを提案する。 本手法は,様々な局所動作と連続誘導重み調整をシームレスに組み合わせる柔軟性を提供する。
  論文  参考訳（メタデータ） (2024-07-15T08:35:00Z)
• Scalable Language Model with Generalized Continual Learning [58.700439919096155]
  The Joint Adaptive Re-ization (JARe) is integrated with Dynamic Task-related Knowledge Retrieval (DTKR) to enable adapt adjust of language model based on specific downstream task。 提案手法は,様々なバックボーンやベンチマーク上での最先端性能を実証し,最小限の忘れを伴い,フルセットおよび少数ショットのシナリオにおいて効果的な連続学習を実現する。
  論文  参考訳（メタデータ） (2024-04-11T04:22:15Z)
• USER: Unified Semantic Enhancement with Momentum Contrast for Image-Text Retrieval [115.28586222748478]
  Image-Text Retrieval (ITR) は、与えられたクエリに意味のあるターゲットインスタンスを、他のモダリティから検索することを目的としている。 既存のアプローチは通常、2つの大きな制限に悩まされる。
  論文  参考訳（メタデータ） (2023-01-17T12:42:58Z)
• Global-local Motion Transformer for Unsupervised Skeleton-based Action Learning [23.051184131833292]
  骨格運動系列の教師なし学習のための新しいトランスフォーマーモデルを提案する。 提案モデルでは, 関節の局所力学を学習し, 動き列から大域的文脈を捉える。
  論文  参考訳（メタデータ） (2022-07-13T10:18:07Z)
• Cross-modal Consensus Network for Weakly Supervised Temporal Action Localization [74.34699679568818]
  時間的行動局所化 (WS-TAL) は、ビデオレベルの分類的監督によって、ビデオ内のアクションインスタンスをローカライズすることを目的とした課題である。 この問題に対処するためのクロスモーダルコンセンサスネットワーク(CO2-Net)を提案する。
  論文  参考訳（メタデータ） (2021-07-27T04:21:01Z)

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。