El aprendizaje a partir de la demostración (LfD) permite a un robot emular el movimiento humano natural en lugar de limitarse a ejecutar comportamientos preprogramados. Este artículo presenta una estructura jerárquica de LfD de modelos parametrizados por tareas de movimiento de objetos, que son omnipresentes en la vida cotidiana y podrían beneficiarse del apoyo robótico. Nuestro enfoque utiliza el algoritmo del modelo de mezcla gaussiano parametrizado por tareas (TP-GMM) para codificar conjuntos de demostraciones en modelos separados que corresponden cada uno a una situación de tarea diferente. A continuación, el robot maximiza su rendimiento esperado en una nueva situación seleccionando un buen modelo existente o solicitando nuevas demostraciones. En comparación con una implementación estándar que codifica todas las demostraciones juntas para todas las situaciones de prueba, el enfoque propuesto ofrece cuatro ventajas. En primer lugar, se puede utilizar una función de distancia sencillamente definida para estimar el rendimiento de la prueba calculando la similitud entre una situación de prueba y los modelos existentes. En segundo lugar, el enfoque propuesto puede mejorar la generalización, por ejemplo, satisfaciendo mejor las restricciones de la tarea demostrada y acelerando la ejecución de la misma. En tercer lugar, como la estructura jerárquica codifica cada situación demostrada individualmente, se puede modelar una gama más amplia de situaciones de tareas en el mismo marco sin deteriorar el rendimiento. Por último, añadir o eliminar demostraciones supone una baja carga computacional, por lo que la biblioteca de habilidades del robot puede construirse de forma incremental. En primer lugar, se instala el enfoque propuesto en una tarea simulada para validar estas ventajas. A continuación, demostramos que las ventajas se trasladan al hardware real en una tarea en la que participantes ingenuos colaboraron con un robot Willow Garage PR2 para mover un objeto de mano. En la mayoría de los escenarios probados, nuestro método jerárquico logró un rendimiento de la tarea y unas valoraciones subjetivas significativamente mejores que un modelo pasivo con sólo compensación de la gravedad y un único TP-GMM que codifica todas las demostraciones.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Estructura e implementación de la política de control de exportaciones biológicas de los Estados Unidos
Artículo:
Influencia de las trayectorias peatonales en la exposición de los escolares a PM10
Artículo:
Potencial de los hidrogeles superabsorbentes a base de celulosa como reservas de agua en la agricultura
Artículo:
Síntesis y caracterización del éster acético O-acetil-quitosano
Artículo:
Análisis del modelo de estimación de lesiones deportivas basado en la red neuronal difusa de mutación
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Artículo:
Nuevas necesidades cosméticas : tendencias y productos específicos
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.