Opis projektu
Nowe i udoskonalone ramy nauki przez naśladownictwo
Wraz z rosnącym zapotrzebowaniem na rozwiązania z zakresu robotyki w przemyśle i innych sektorach gospodarki na całym świecie wszelkie innowacje w dziedzinie robotyki nabierają dużego znaczenia. W świecie robotyki eksperci rozwiązują jednak obecnie wiele problemów, od projektowania po naukę umiejętności, gdyż rozwiązanie tych problemów warunkuje osiąganie dalszych postępów. Zespół finansowanego ze środków Unii Europejskiej projektu RobotSL zamierza opracować udoskonalone i zoptymalizowane metodologie nauki przez naśladownictwo dla robotów, które usprawnią naukę nowych umiejętności. Opracowana metodologia pozwoli na naukę umiejętności lepiej dostosowanych do wymogów, co pozwoli na wprowadzenie robotów do nowych sektorów i wykorzystywanie ich do bardziej zróżnicowanych zadań.
Cel
In this project, I will develop an imitation learning framework for robot skill learning and optimization, aiming at endowing robots with versatile skills and thus allowing robots to work in broad application domains. This framework will handle various constraints (e.g. robot joint limit, trajectory smoothness, obstacle avoidance) that robots encounter in practice, exploit environmental priors and multi-modal properties underlying human demonstrations, as well as design a low-level optimal controller so as to drive robots to execute human-like motions and resist external perturbations. The project objectives and associated concepts are original and novel. This project will provide the first solution for the problem of imitation learning with various constraints (including linear and non-linear, convex and non-convex constraints) and a novel concept of semi-imitation learning by exploring environmental priors. Moreover, it will provide a solution to multi-modal imitation learning from few demonstrations, which can be readily combined with constrained learning and environmental priors. In addition, from a control perspective, this project will study a new concept of control-inspired imitation learning to mimic both human skills and human reactions under perturbations. This project is challenging in the sense that it involves robotics, imitation learning, probability theory, optimization, semi-supervised learning, clustering techniques and optimal control. I will work closely with Prof. Cohn, who is an expert in knowledge representation and reasoning. This fellowship will sharpen my research skills and extend my research network in Leeds and Europe. Specifically, this fellowship will enable me to dive deeper into the challenging but essential problems in robot imitation learning, which will provide new insights and research topics to the community of robot learning, positioning me as a competitive researcher in the community.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
- nauki przyrodniczeinformatykasztuczna inteligencjauczenie maszynoweuczenie częściowo nadzorowane
- nauki przyrodniczeinformatykainżynieria wiedzy
- nauki przyrodniczematematykamatematyka stosowanastatystyka i rachunek prawdopodobieństwa
- inżynieria i technologiainżynieria elektryczna, inżynieria elektroniczna, inżynieria informatycznainżynieria elektronicznarobotyka
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Program(-y)
Temat(-y)
System finansowania
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Koordynator
LS2 9JT Leeds
Zjednoczone Królestwo