RoboNet：大规模多机器人学习

文章预览

20年1月来自 UC Berkeley, Stanford Uni, UPenn, CMU 的论文“RoboNet: Large-Scale Multi-Robot Learning”。 机器人学习已成为一种有前途的工具，可用于驾驭现实世界的复杂性和多样性。基于高容量模型（例如深度网络）的方法有望为广泛的开放世界环境提供有效的泛化。但是，这些相同的方法通常需要大量不同的训练数据才能有效地泛化。相比之下，大多数机器人学习实验都是小规模、单域和单机器人。这导致机器人学习中经常出现紧张局面： 如何才能学习可泛化的机器人控制器，而不必为每个单独的实验收集不切实际的大量数据？ 本文提出 RoboNet ，一个用于共享机器人经验的 开放数据库 ，它提供来自 7 个不同机器人平台的 1500 万个视频帧初始池，并研究如何使用它来学习基于视觉机器人操作的可泛化模型。将数据集与两种不同的学习算法相结合：使用前向视 ………………………………