Learn to learn human learning process from teleoperated demonstrations

Información del proyecto

L3TD

Identificador del acuerdo de subvención: 101030691

DOI

10.3030/101030691

Proyecto cerrado

Fecha de la firma de la CE 12 Abril 2021

Fecha de inicio 1 Julio 2021

Fecha de finalización 31 Diciembre 2022

Financiado con arreglo a

• EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions

Coste total

€ 168 700,32

Aportación de la UE

€ 168 700,32

Coordinado por

UNIVERSITY OF THE WEST OF ENGLAND, BRISTOL
United Kingdom

Descripción del proyecto

Innovador marco de aprendizaje de habilidades para robots

El aprendizaje por demostración es un modelo que permite a los robots aprender de forma autónoma a realizar nuevas tareas. Sin embargo, los cambios ambientales, los elevados costes de demostración y las posibles incertidumbres debidas al aprendizaje basado en datos limitan su aplicación. El proyecto L3TD, financiado con fondos europeos, propondrá un marco de aprendizaje de habilidades para robots basado en el proceso de aprendizaje humano a fin de lograr unas características de aprendizaje de habilidades parecidas a las humanas. El proyecto incorporará multisensores y un exoesqueleto especial en una interfaz teledirigida para minimizar la diferencia de información entre los humanos y los robots, explorará nuevas teorías de aprendizaje de habilidades primitivas y de aprendizaje de grafos de tareas basado en habilidades primitivas, aprenderá y generalizará las habilidades primitivas para lograr un razonamiento basado en fallos y una adaptación a las tareas de tipo «zero-shot» y «few-shot».

Objetivo

Learning from demonstration (LfD) is a paradigm for enabling robots to autonomously learn from demos to perform new tasks. But, environmental changes, expensive demonstration cost, and potential uncertainties caused by data-based learning make it hard to be applied in actual. The project aims to propose a robot skill learning framework from human learning process via a teleoperation interface to achieve human-like skill learning characteristics such as few-shot learning, learning from failed attempts and tentative actions, and strong skill transfer and generalization ability. Five work packages will be taken to realize the objectives. First, a teleoperated interface will be equipped with multi-sensors and special exoskeleton to minimize information difference between humans and robots. After building a scalable primitive skill (PS) library based on task segmentation with multimodal information, new theories of PS learning and PS-based task graph learning are explored. PS will be learned and generalized based on improved meta-learning that is associated and explained by physical laws and neural motor disciplines. The PS-based task graph will be learned from the human learning process, achieving failure reasoning and adaptation to zero/few-shot tasks. Some practical problems e.g. incomplete data set and difference of sim-to-real applications will also be addressed. Finally, the previous theories will be certified by medical robot tasks. The applicant will acquire a solid state-of-the-art interdisciplinary scientific training in the multidisciplinary research fields, such as artificial intelligence, robotics technologies and mechanical design, and that will enable him to generate new scientific knowledge and quickly develop his research career and leadership. The final aim is to consolidate Europe as the world leader in robot and AI areas and to benefit European robotics applications in industry, surgery, and nuclear waste disposition.

Ámbito científico (EuroSciVoc)

• ingeniería y tecnología › otras ingenierías y tecnologías › ingeniería nuclear › gestión de residuos nucleares
• ciencias naturales › informática y ciencias de la información › inteligencia artificial
• ciencias médicas y de la salud › medicina clínica › cirugía
• ingeniería y tecnología › ingeniería eléctrica, ingeniería electrónica, ingeniería de la información › ingeniería electrónica › robótica
• ciencias sociales › derecho

Palabras clave

• Robotics technique
• Learning from demonstration
• Teleoperation
• Process learning
• Meta-learning
• Task graph
• Mechanical design

Programa(s)

• H2020-EU.1.3. - EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions PROGRAMA PRINCIPAL
  
• H2020-EU.1.3.2. - Nurturing excellence by means of cross-border and cross-sector mobility
  

Tema(s)

• MSCA-IF-2020 - Individual Fellowships
  

Régimen de financiación

MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)

Convocatoria de propuestas

H2020-MSCA-IF-2020

Coordinador

UNIVERSITY OF THE WEST OF ENGLAND, BRISTOL

• Aportación neta de la UEn: € 168 700,32
• Dirección: Frenchay Campus, Coldharbour Lane ; BS16 1QY BRISTOL ; Reino Unido
• Región: South West (England) › Gloucestershire, Wiltshire and Bristol/Bath area › Bath and North East Somerset, North Somerset and South Gloucestershire
• Tipo de actividad: Higher or Secondary Education Establishments
• Coste total: € 168 700,32