Yazar
Sener, M. İ., Nagai, Y., Öztop, Erhan, Uğur, E.
Basım Tarihi
2023-06
Basım Yeri
-
IEEE
Konu
Gelişimsel robotik, Etki tahmini, İçsel motivasyon (IM), Açık uçlu öğrenme, Temsil öğrenimi
Tür
Süreli Yayın
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
2379-8920
Kayıt Numarası
18b3ac6d-61cb-41c5-904f-ba8c0aa5c755
Lokasyon
Bilgisayar Bilimi
Tarih
2023-06
Örnek Metin
Yapay ajanları duyu-motor becerilerle donatmak için etkili bir yaklaşım, kendini keşfetmeyi kullanmaktır. Zaman ve veri toplamanın maliyetli olması nedeniyle bunu verimli bir şekilde yapmak kritik öneme sahiptir. Bu çalışmada, ileri model öğrenmeye ev sahipliği yapmak üzere yerel bölgelerin oluşturulduğu, eylem, nesne ve eylem sonucu temsillerini gizli bir alanda harmanlayan bir keşif mekanizması öneriyoruz. Etmen, belirli bir keşif adımında benimsenecek en yüksek öğrenme ilerlemesine sahip ileri modeli seçmek için içsel motivasyonu kullanır. Bu, bebeklerin öğrenme şekliyle paralellik gösterir; çünkü yüksek öğrenme ilerlemesi, seçilen bölgede öğrenme probleminin ne çok kolay ne de çok zor olduğunu gösterir. Önerilen yaklaşım, masa üstü ortamında simüle edilmiş bir robotla doğrulanmıştır. Simülasyon sahnesi bir robot ve çeşitli nesnelerden oluşur; burada robot her seferinde bir dizi parametreli eylem kullanarak bunlardan biriyle etkileşime girer ve bu etkileşimlerin sonuçlarını öğrenir. Önerilen yaklaşımla robot, öğrenme müfredatını mevcut içsel motivasyon yaklaşımlarında olduğu gibi düzenliyor ve öğrenme hızı açısından onları geride bırakıyor. Üstelik öğrenme rejimi bebek gelişimiyle kısmen eşleşen özellikler gösteriyor; özellikle önerilen sistem, farklı becerilerin sonuçlarını aşamalı bir şekilde tahmin etmeyi öğrenir.
DOI
10.1109/TCDS.2021.3062728
Cilt
15
