RobotMotionVAE:通过变分自动编码器学习机器人运动策略

使用变分自动编码器学习在小组会话中将注意力定向到注意力集中 抽象的 社交机器人通常需要与一群人一起或在一群人周围进行操作，包括参加小组对话。 在社交小组对话中，机器人的身体定向是一种微妙而有效的策略，可以将注意力转移到对话中，并重定向对话的焦点。 我们研究了使用变分自动编码器（VAE）将高维观测值压缩为低维潜伏状态表示的有效性，机器人可以从中学习面向对话说话者的运动策略。 我们研究了多种训练VAE的程序，以学习用于重建输入图像和预测机器人动作值的潜在表示形式。 然后，我们在模拟环境中评估学习到的策略，并将VAE的性能与卷积神经网络（CNN）的性能进行比较，后者将高维观测值直接映射到动作值，而无需学习潜在状态表示。 我们的结果表明，针对此任务的VAE最佳训练过程是从头开始一起训练图像重建和动作预测。 由此产生的VAE有效地学习了一种策略，该策略允许机器人通过遵循最大的社交显着性点（来自组成员