Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español es
CORDIS - Resultados de investigaciones de la UE
CORDIS

Learn to learn human learning process from teleoperated demonstrations

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)

Palabras clave

Programa(s)

Tema(s)

Régimen de financiación

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

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

(se abrirá en una nueva ventana) H2020-MSCA-IF-2020

Ver todos los proyectos financiados en el marco de esta convocatoria

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
Enlaces
Coste total
€ 168 700,32