Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

Learn to learn human learning process from teleoperated demonstrations

Descrizione del progetto

Un quadro innovativo di apprendimento delle abilità per robot

L’apprendimento da dimostrazione è un modello che permette ai robot di apprendere autonomamente per eseguire nuovi compiti. Tuttavia, le variazioni ambientali, gli elevati costi delle dimostrazioni e le potenziali incertezze dovute all’apprendimento basato sui dati ne limitano l’applicazione. Il progetto L3TD, finanziato dall’UE, proporrà un quadro di apprendimento delle abilità per robot basato sul processo di apprendimento umano, onde raggiungere caratteristiche di apprendimento delle abilità prossime a quelle umane. Il progetto doterà un’interfaccia guidata a distanza di più sensori e uno speciale esoscheletro per ridurre al minimo la differenza di informazioni tra umani e robot. Esplorerà inoltre le nuove teorie dell’apprendimento delle abilità rudimentali nonché dell’apprendimento tramite grafici di compiti basati sulle abilità rudimentali e imparerà e generalizzerà le abilità rudimentali per ottenere il ragionamento di fallimento e l’adattamento a compiti zero-shot o prossimi allo zero-shot.

Obiettivo

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.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

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

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) H2020-MSCA-IF-2020

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

UNIVERSITY OF THE WEST OF ENGLAND, BRISTOL
Contributo netto dell'UE
€ 168 700,32
Indirizzo
Frenchay Campus, Coldharbour Lane
BS16 1QY BRISTOL
Regno Unito
Regione
South West (England) Gloucestershire, Wiltshire and Bristol/Bath area Bath and North East Somerset, North Somerset and South Gloucestershire
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
€ 168 700,32