基于行为树机器人演示学习方法研究.pdfVIP

通过演示学习行为树

凯文·弗伦奇

奥德斯特·查德威克·詹金斯

——机器人演示学习（LfD）允许任何人（不仅是专家）为任意任务编程机器人。许

多LfD方法专注于低层原始动作，如机械臂轨迹。若要使LfD涵盖用户可能期望的全部任

务范围，则必须通过演示学习具有多个原始动作的复杂多步骤任务。现有方法以多种形式

表示任务，包括有限状态机、决策树、形式逻辑等。本文提出行为树作为任务的

替代表示方法。行为树是一种为实时执行、模块化及由此带来的而设计的机器人控

制执行模型。实时执行使机器人能反应式地执行任务；模块化允许在新场景中复用已学习

的原始动作和高级任务，从而加速新情境下的学习过程；则使用户能理解并交互式

修改学习模型。通过构建行为树与决策树的关联关系，其用于表示任务。实验

演示了人类教导Fetch机器人完成家庭清洁任务的过程。

一、引言

机器人在工作场所和家庭益普及。单能机器人（如扫地机器人）已很常见，但通

用型机器人仍未普及。通用机器