ترجمه فارسی مقاله مقایسه الگوریتم های یادگیری تقلیدی برای دستکاری دو دستی

چکیده

Amidst the wide popularity of imitation learning algorithms in robotics, their properties regarding hyperparameter sensitivity, ease of training, data efficiency, and performance have not been well-studied in high-precision industry-inspired environments. In this work, we demonstrate the limitations and benefits of prominent imitation learning approaches and analyze their capabilities regarding these properties. We evaluate each algorithm on a complex bimanual manipulation task involving an over-constrained dynamics system in a setting involving multiple contacts between the manipulated object and the environment. While we find that imitation learning is well suited to solve such complex tasks, not all algorithms are equal in terms of handling environmental and hyperparameter perturbations, training requirements, performance, and ease of use. We investigate the empirical influence of these key characteristics by employing a carefully designed experimental procedure and learning environment. Paper website: https://bimanual-imitation.github.io/

چکیده به فارسی (ترجمه ماشینی)

در میان محبوبیت گسترده الگوریتم های یادگیری تقلید در روباتیک ، خصوصیات آنها در مورد حساسیت هایپرپارامتر ، سهولت آموزش ، بهره وری داده و عملکرد در محیط های با الهام از صنعت با دقت مورد مطالعه قرار نگرفته است.در این کار ، ما محدودیت ها و مزایای رویکردهای برجسته یادگیری تقلید را نشان می دهیم و توانایی های آنها را در مورد این خصوصیات تجزیه و تحلیل می کنیم.ما هر الگوریتم را در مورد یک کار پیچیده دستکاری دوتایی که شامل یک سیستم پویایی بیش از حد محدود شده در یک تنظیمات شامل چندین تماس بین شیء دستکاری شده و محیط است ، ارزیابی می کنیم.در حالی که می دانیم که یادگیری تقلید برای حل چنین کارهای پیچیده ای مناسب است ، همه الگوریتم ها از نظر رسیدگی به آشفتگی های محیطی و هایپرپارامتر ، الزامات آموزش ، عملکرد و سهولت استفاده برابر نیستند.ما با استفاده از یک روش تجربی با دقت طراحی شده و محیط یادگیری ، تأثیر تجربی این خصوصیات کلیدی را بررسی می کنیم.وب سایت مقاله: https://bimanual-imitation.github.io/