Core Concepts
言語条件付きのNBCエージェントを使用して、新しいロボット操作スキルの知識を継続的に学習する方法を提案します。
Abstract
言語条件付きのNBCエージェントは、新しいロボット操作スキルの知識を効果的に学習し、古いスキルを忘れることなく取り組むために設計されています。SEP、SSR、およびSRDモジュールが古いタスクの忘却を解決し、新しいタスクの学習をサポートします。実験では、提案手法が他の手法よりも優れたパフォーマンスを示しています。
Stats
大規模言語モデル(LLMs)に依存したNBCagentは、視覚観察から複雑なマルチモーダルロボット操作タスクを実行できます。
PerActはPerceiverIO Transformerを使用して言語目標とRGB-Dボクセル観察をエンコードし、離散化されたロボティックアクションを生成します。
我々のNBCagentは新しいマニピュレーションスキルから知識を持続的に学ぶことができます。
NERL問題では、連続的な学習が重要です。
Quotes
"Most visual behavior-cloning agents suffer from manipulation performance degradation and skill knowledge forgetting when adapting into a series of challenging unseen tasks."
"We here investigate the above challenge with NBCagent in embodied robots, a pioneering language-conditioned Never-ending Behavior-Cloning agent."
"To tackle the above-mentioned challenges, we propose a pioneering language-conditioned Never-ending Behavior-Cloning agent (i.e., NBCagent)."