Core Concepts
社会的ロボットの振る舞いを学習するためのフェデレーテッドラーニングとフェデレーテッド連続学習の重要性。
Abstract
抽象:社会ロボットが日常生活に統合される中、彼らの行動が社会規範と一致することが重要。
導入:オープンワールドで展開されるソーシャルロボットは、知識を拡大し、新しいタスクを学びながら過去の知識を保持する必要がある。
メソドロジー:MANNERS-DBデータセットを使用して、異なるFLおよびFCL手法を比較し、エージェント行動の社会的適切さを予測するために29次元シーン記述子を使用。
FLベンチマーク:FedAvgが最も単純で堅牢な学習方法であり、多様なMLベース手法と一致することから、FCL評価に適応させることが示唆されている。
FCLベンチマーク:NRアプローチは記憶集約型であり、他の手法よりも優れたパフォーマンスを発揮している。
Stats
2つまたは10個のクライアント用にトレーニングデータが分割されます。
訓練データは75%:25%の比率で分割されます。
各クライアント(2または10)用に訓練セットがさらに分割されます。
MANNERS-DBデータセットは約1000サンプルです。
Quotes
"Overcoming catastrophic forgetting in neural networks." - James Kirkpatrick et al.
"Learning socially appropriate robot approaching behavior toward groups using deep reinforcement learning." - Yuan Gao et al.