Delay Aware Universal Notice Network: Real world multi-robot transfer learning - Archive ouverte HAL Access content directly
Conference Papers Year : 2021

Delay Aware Universal Notice Network: Real world multi-robot transfer learning

Abstract

Un problème majeur lors du passage de la simulation à la réalité est le retard sur le robot physique qui peut détériorer les performances de l'agent déployé. En outre, une fois qu'une politique de contrôle basée sur l'apprentissage a été entraînée avec succès, la réaffectation des connaissances acquises par l'agent pour permettre à un agent structurellement distinct d'effectuer la même tâche est dangereuse si elle est effectuée naïvement. Dans ce travail, nous abordons les problèmes ci-dessus avec une seule méthode, le DA-UNN (Delay Aware Universal Notice Network), qui décompose les connaissances en modules spécifiques au robot et à la tâche pour un transfert rapide. Notre méthode traite les retards immanents aux systèmes physiques afin d'améliorer le transfert sim2réel. Nous évaluons l'efficacité de notre approche en utilisant des robots simulés et réels sur une tâche de manipulation dynamique où la gestion des délais est cruciale.
Fichier principal
Vignette du fichier
RJCIA_2021_paper_8.pdf (1.19 Mo) Télécharger le fichier
Origin Files produced by the author(s)

Dates and versions

hal-03298723 , version 1 (23-07-2021)

Identifiers

  • HAL Id : hal-03298723 , version 1

Cite

S Beaussant, S Lengagne, B Thuilot, Olivier Stasse. Delay Aware Universal Notice Network: Real world multi-robot transfer learning. Rencontres des Jeunes Chercheurs en Intelligence Artificielle (RJCIA'21) Plate-Forme Intelligence Artificielle (PFIA'21), Jul 2021, Bordeaux, France. pp.22-29. ⟨hal-03298723⟩
69 View
119 Download

Share

Gmail Mastodon Facebook X LinkedIn More