Aprendizado Parametrizado por Tarefa
O aprendizado parametrizado por tarefa codifica demonstrações relativas a múltiplos sistemas de coordenadas ou parâmetros de tarefa (por exemplo, a pose do objeto, uma localização alvo, um frame de obstáculo) em vez de em um frame de mundo fixo. Durante a execução, a política se adapta automaticamente a novas configurações de objeto e alvo sem retreinamento, porque aprendeu movimento relativo a referências relevantes à tarefa. Modelos de Mistura Gaussiana Parametrizados por Tarefa (TP-GMM) e primitivos de movimento kernelizados são implementações clássicas. Esta abordagem fornece forte generalização geométrica para tarefas estruturadas de pega e colocação, embora exija que frames de tarefa sejam identificados e rastreados em tempo de execução. Veja isto na prática: nosso serviço de coleta de dados →