Основные понятия
강화 학습은 빠르게 움직이고 물체와 상호작용하는 도메인에서 복잡한 정책을 학습하는 데 유용한 도구이다. 이를 반영하기 위해 로봇 에어 하키 기반의 동적이고 상호작용적인 RL 테스트베드를 소개한다.
Аннотация
이 논문은 로봇 에어 하키를 기반으로 한 동적이고 상호작용적인 RL 테스트베드를 소개한다. 이 테스트베드는 도달하기, 밀기, 목표 타격 등 다양한 작업을 포함하며, 시뮬레이션과 실제 로봇 시스템을 모두 지원한다. 또한 두 가지 원격 조종 시스템을 통해 수집된 데모 데이터를 활용하여 행동 모방, 오프라인 RL, 처음부터의 RL을 평가한다. 실험 결과, 온라인 RL이 시뮬레이션에서 가장 좋은 성능을 보였지만 실제 로봇에서는 모든 기준선이 인간 성능에 미치지 못했다. 이는 동적이고 상호작용적인 작업에서 RL이 여전히 과제가 있음을 보여준다.
Статистика
로봇 에어 하키 테스트베드는 다양한 작업을 지원하며, 쉬운 작업부터 어려운 작업까지 포함한다.
시뮬레이션과 실제 로봇 환경에서 행동 모방, 온라인 RL, 오프라인 RL을 평가했다.
시뮬레이션에서 온라인 RL이 가장 좋은 성능을 보였지만, 실제 로봇에서는 모든 기준선이 인간 성능에 미치지 못했다.
Цитаты
"강화 학습은 빠르게 움직이고 물체와 상호작용하는 도메인에서 복잡한 정책을 학습하는 데 유용한 도구이다."
"이 테스트베드는 도달하기, 밀기, 목표 타격 등 다양한 작업을 포함하며, 시뮬레이션과 실제 로봇 시스템을 모두 지원한다."
"실험 결과, 시뮬레이션에서 온라인 RL이 가장 좋은 성능을 보였지만, 실제 로봇에서는 모든 기준선이 인간 성능에 미치지 못했다."