Dane-efektywne uczenie się przez człowieka w pętli RL dla wydajnej manipulacji robotów

Uczenie się przez człowieka w pętli z wykorzystaniem wzmocnienia (HiL-RL) dla modeli bazowych robotów jest zasadniczo ograniczone przez drogie i ryzykowne interakcje fizyczne. To sprawia, że efektywność próbkowania, stabilne doskonalenie polityki oraz zmniejszenie wysiłku ludzkiego są niezbędne do praktycznego wdrożenia.Jednakże, istniejące podejścia często cierpią z powodu nadmiarowego próbkowania danych, biasu w przypisywaniu zasług w różnorodnych trajektoriach o mieszanej jakości oraz intensywnej eksploracji interwencyjnej.W tej prezentacji badamy zjednoczony kierunek badawczy na rzecz poprawy HiL-RL dzięki informacyjnemu planowaniu próbek, optymalizacji polityki uwzględniającej zasługi oraz interwencji agentowych. Praca obejmuje:Razem, te podejścia mają na celu pomoc systemom HiL-RL w szybszym uczeniu się, wymaganiu mniejszego wysiłku ludzkiego, uogólnieniu w szerszym zakresie stanów manipulacji oraz bardziej niezawodnym działaniu w złożonych środowiskach fizycznych.(Poziom techniczny: 200)Więcej o prelegencieZiwei Wang jest obecnie adiunktem w Szkole Elektrycznej i Elektronowej na Uniwersytecie Technologicznym Nanyang. Przed dołączeniem do NTU był stypendystą podoktorskim w Instytucie Robotyki Uniwersytetu Carnegie Mellon.Uzyskał stopień doktora i licencjata z Wydziału Automatyki Uniwersytetu Tsinghua w 2023 roku oraz z Wydziału Fizyki Uniwersytetu Tsinghua w 2018 roku.Jego badania koncentrują się głównie na modelach bazowych robotów dla precyzyjnej manipulacji i były stosowane w scenariuszach produkcyjnych, w tym montażu elektroniki i inspekcji silników.Opublikował ponad 60 artykułów naukowych na czołowych konferencjach i w czasopismach dotyczących robotyki i AI. Pełni funkcję członka rad redakcyjnych oraz przewodniczącego konferencji i współorganizował wiele warsztatów, tutoriali i wyzwań w najlepszych czasopismach i na konferencjach. Jest członkiem komitetu IEEE RAS Singapore Chapter.Więcej o seriiSingapurski Kolokwium AI Wcielonego (SEAIC) to skoncentrowana seria badań technicznych oparta na dyskusjach i wymianach prowadzonych przez badaczy na temat nowatorskich tematów związanych z wcielonym AI, uczeniem się robotów i fizycznym AI.Zaangażuj się: Dowiedz się więcej o Lorong AI | Zapis na prelegenta | Społeczność WhatsApp | LinkedIn | X