Verteiltes Lernen von sozial angemessenen Verhaltensweisen von Agenten in simulierten Hausumgebungen

Dieser Artikel präsentiert einen neuartigen Benchmark für das Erlernen sozial angemessener Roboterverhalten in Hausumgebungen, indem verschiedene Methoden des Föderalen Lernens (FL) und des Föderalen Kontinuierlichen Lernens (FCL) verglichen werden. FedAvg erweist sich als robuste FL-Strategie, während rehearsal-basiertes FCL das inkrementelle Lernen der sozialen Angemessenheit von Roboterhandlungen über verschiedene Kontexte hinweg ermöglicht.