Glossaryに戻る
タスクパラメータ化学習
タスクパラメータ化学習は、デモンストレーションを固定された世界座標系ではなく、複数の座標系またはタスクパラメータ（例：物体のポーズ、目標位置、障害物フレーム）に相対的にエンコードする。実行時に、ポリシーは再学習なしに新しい物体と目標の構成に自動的に適応する。これは、タスク関連の参照に相対的なモーションを学習しているためである。タスクパラメータ化ガウス混合モデル（TP-GMM）とカーネル化された運動プリミティブは古典的な実装である。このアプローチは構造化されたピック・アンド・プレイスタスクに対して強い幾何学的汎化を提供するが、実行時にタスクフレームを特定して追跡する必要がある。 実践例を見る：データ収集サービス →