《Learning-from-Observation 2.0: Automatic Acquisition of Robot Behavior from Human Demonstration》PDF+mobi+epub高清完整电子版

Learning-from-Observation 2.0: Automatic Acquisition of Robot Behavior from Human Demonstration
《基于观察的学习 2.0：从人类演示中自动获取机器人行为》
作者： Katsushi Ikeuchi (Author), Naoki Wake (Author), Jun Takamatsu (Author), Kazuhiro Sasabuchi (Author)
出版社：Springer
出版时间：2025年10月31日

本书介绍了近年来大型语言模型（LLM）和强化学习（RL）发展带来的观察学习（LfO）领域的突破性进展，并将其置于该领域历史发展的背景下进行探讨。LfO 涉及观察人类行为并生成模仿这些行为的机器人动作。虽然 LfO 表面上看起来与机器学习领域的模仿学习（IL）和机器人领域的演示编程（PbD）类似，但二者之间存在显著差异：模仿学习和演示编程直接模仿人类的手部动作，而 LfO 则将人类行为编码成抽象表示，然后将这些表示映射到机器人现有的硬件（个体机器人）上，从而间接地模仿人类行为。这种间接模仿能够吸收周围环境的变化和机器人硬件的差异。此外，通过这种抽象表示，可以进行过滤，区分人类行为中重要和次要的方面，从而减少演示次数，降低演示难度，实现模仿。

过去十年间，作者们一直在研究LfO范式。此前，研究重点主要集中在设计必要且充分的任务表征，以定义特定的任务领域，例如机器零件组装、绳结打结和人类舞蹈动作。近年来，生成式预训练Transformer（GPT）和强化学习（RL）的进步，为获取和映射这些抽象表征的方法带来了突破性进展。通过利用GPT，作者可以从视频中自动生成抽象表征；而通过采用强化学习训练的智能体库，实现机器人动作变得更加可行。

电子版代找请联系：yefei147852

电子版代找请联系：yefei147852

未经允许不得转载：我的生活分享 » 《Learning-from-Observation 2.0: Automatic Acquisition of Robot Behavior from Human Demonstration》PDF+mobi+epub高清完整电子版