Daten-effizientes Human-in-the-Loop RL für leistungsstarke robotergestützte Manipulation

Human-in-the-loop Verstärkunglernen (HiL-RL) für robotergestützte Grundmodelle ist grundlegend durch kostspielige und riskante physische Interaktionen eingeschränkt. Dies macht Stichproben-Effizienz, stabile Politikanpassung und reduzierten menschlichen Aufwand für eine praktische Implementierung unerlässlich.Allerdings leiden bestehende Ansätze oft unter redundanter Datenerfassung, verzerrter Gutschriftzuweisung über gemischte Trajektorien von unterschiedlicher Qualität und interventionsintensiver Erkundung.In diesem Vortrag erkunden wir eine vereinheitlichte Forschungsrichtung zur Verbesserung von HiL-RL durch informative Stichprobenplanung, kreditbewusste Politikoptimierung und agentische Intervention. Die Arbeit umfasst:Zusammen zielen diese Ansätze darauf ab, HiL-RL-Systeme schneller lernen zu lassen, weniger menschlichen Aufwand zu erfordern, über ein breiteres Spektrum von Manipulationszuständen zu verallgemeinern und zuverlässiger in komplexen physischen Umgebungen zu operieren.(Technisches Niveau: 200)Mehr über den SprecherZiwei Wang ist derzeit Assistenzprofessor an der School of Electrical and Electronic Engineering der Nanyang Technological University. Bevor er zur NTU kam, war er Postdoktorand am Robotics Institute der Carnegie Mellon University.Er erhielt seinen Doktortitel und den Bachelorabschluss von der Abteilung für Automatisierung der Tsinghua-Universität im Jahr 2023 sowie der Physik-Abteilung der Tsinghua-Universität im Jahr 2018.Seine Forschung konzentriert sich hauptsächlich auf robotergestützte Grundmodelle für präzise Manipulation und wurde in Fertigungsszenarien wie der Elektronikmontage und der Motorinspektion eingesetzt.Er hat über 60 wissenschaftliche Arbeiten auf Top-Tier-Konferenzen und in Fachzeitschriften für Robotik und KI veröffentlicht. Er ist Mitglied des Redaktionsvorstands und Konferenzvorsitzender und hat viele Workshops, Tutorials und Herausforderungen in führenden Zeitschriften und Konferenzen mitorganisiert. Er ist Mitglied des Komitees des IEEE RAS Singapore Chapter.Mehr über die ReiheDas Singapore Embodied AI Colloquium (SEAIC) ist eine fokussierte technische Forschungsreihe, die auf forschungsgetriebenen Diskussionen und dem Austausch über Grenzgebiete in der verkörperten KI, dem Roboterdlernen und der physischen KI basiert.Engagieren Sie sich: Erfahren Sie mehr über Lorong AI | Sprecher-Anmeldung | WhatsApp-Community | LinkedIn | X