Deep learning control of artificial avatars in group coordination tasks
Deep learning control of artificial avatars in group coordination tasks
复制标题
群体协调任务中人工化身的深度学习控制
DOI：
10.1109/smc.2019.8914294
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Lombardi M
中科院分区：
文献类型：
--
作者：
Lombardi M
在许多联合行动的场景中，人类和机器人必须协调他们的运动来完成给定的共享任务。例子包括一起举起一个物体，锯一根原木，将物体从一个点转移到另一个点。虽然在以前的研究中已经研究了人类和机器人之间的二元协调，但机器人必须集成到人类群体中的多智能体场景仍然是一个较少探索的研究领域。在本文中，我们讨论了如何合成一个人工智能体，由基于深度强化学习的控制架构驱动，能够在人类集合中协调其运动。作为一个典型的协调任务，我们采取了一组版本的所谓的镜像游戏从人类运动的文献。
In many joint-action scenarios, humans and robots have to coordinate their movements to accomplish a given shared task. Examples include lifting an object together, sawing a wood log, transferring objects from a point to another. While dyadic coordination between a human and a robot has been studied in previous investigations, the multi-agent scenario in which a robot has to be integrated into a human group still remains a less explored field of research. In this paper we discuss how to synthesise an artificial agent, driven by a control architecture based on deep reinforcement learning, able to coordinate its motion in human ensembles. As a paradigmatic coordination task we take a group version of the so called mirror game from the human movement literature.
运动协调任务中虚拟玩家控制的个体行为的生成和分类
DOI：
10.23919/ecc.2018.8550321
发表时间：
2018
期刊：
--
影响因子：
--
作者：
Lombardi M
通讯作者：
Lombardi M
影响因子：
7.8
作者：
Vesper, Cordula;Butterfill, Stephen;Sebanz, Natalie
通讯作者：
Sebanz, Natalie