Aprendizaje reforzado eficiente en datos con interacción humana para la manipulación robótica eficaz

El aprendizaje reforzado con interacción humana (HiL-RL) para modelos de fundación robótica está fundamentalmente limitado por interacciones físicas costosas y arriesgadas. Esto hace que la eficiencia de la muestra, la mejora estable de políticas y la reducción del esfuerzo humano sean esenciales para un despliegue práctico.Sin embargo, los enfoques existentes a menudo sufren de muestreo de datos redundante, asignación de crédito sesgada a través de trayectorias de calidad mixta y exploración intensiva en intervenciones.En esta presentación, exploramos una dirección de investigación unificada para mejorar HiL-RL a través de una programación de muestras informativa, optimización de políticas consciente del crédito e intervención agente. El trabajo abarca:Juntas, estas aproximaciones tienen como objetivo ayudar a los sistemas HiL-RL a aprender más rápido, requerir menos esfuerzo humano, generalizar a una gama más amplia de estados de manipulación y operar de manera más confiable en entornos físicos complejos.(Nivel Técnico: 200)Más Sobre el PonenteZiwei Wang es actualmente profesor asistente en la Escuela de Ingeniería Eléctrica y Electrónica de la Universidad Tecnológica de Nanyang. Antes de unirse a NTU, fue becario posdoctoral en el Instituto de Robótica de la Universidad Carnegie Mellon.Recibió los grados de Ph.D y B.S del Departamento de Automatización de la Universidad Tsinghua en 2023 y del Departamento de Física de la Universidad Tsinghua en 2018, respectivamente.Su investigación se centra principalmente en modelos de fundación robótica para manipulación precisa y se ha desplegado en escenarios de manufactura, incluyendo ensamble de electrónicos e inspección de motores.Ha publicado más de 60 artículos científicos en conferencias y revistas de primer nivel en robótica e IA. Sirve como miembro del consejo editorial y presidente de conferencias, y ha coorganizado muchos talleres, tutoriales y desafíos en revistas y conferencias de alto nivel. Es miembro del comité de la Capítulo de Singapur de IEEE RAS.Más Sobre la SerieEl Coloquio de IA Incorporada de Singapur (SEAIC) es una serie de investigación técnica enfocada construida en torno a discusiones impulsadas por investigadores y comparticiones sobre temas en la frontera de la IA incorporada, el aprendizaje robótico y la IA física.Involúcrate: Aprende más sobre Lorong AI | Registro de Ponentes | Comunidad de WhatsApp | LinkedIn | X