Towards robot learning from demonstration: a view inspired from observational learning

Robots are used to perform many repetitive and precise tasks. However, the programming time and cost of a robot restricts the use of robots, especially in non-production-line uses. Although robot programming by demonstration (PbD), by which a robot can learn to perform a task from demonstrations, has been introduced to tackle this issue, still a major concern is how a robot can generalize task demonstrations across different conditions. In this regard, many studies have been recently inspired by studies of psychologists and particularly by imitation learning in observational learning, which allows a human to generalize an observation to a new goal point. Based on the analogy between robot learning from demonstrations and human learning from observation, and according to different types of observational learning, including mimicking, imitation, and emulation, we propose a multilayered approach to robot learning from demonstration. This approach enables a robot to learn a model to perform a task from noisy demonstrations and to generalize it to a new start and goal point as well as to different environments. We demonstrate the usefulness of the approach with a practical example of sweeping.

I robot vengono oggi utilizzati per l'esecuzione di molti compiti ripetitivi o che richiedono elevata precisione. Tuttavia, la loro programmazione richiede spesso tempi lunghi e, quindi, costi elevati, specialmente nella produzione non in serie.
Sebbene la tecnica di programmazione per dimostrazione, che permette ad un robot di imparare ad eseguire un compito a partire dalle dimostrazioni fornite da un operatore, sia stata introdotta per risolvere questo problema, è ancora poco utilizzata poiché il problema di generalizzare un'operazione a contesti differenti da quello in cui è stata dimostrata non è ancora stato completamente risolto. Recentemente sono stati effettuati molti studi ispirati dalla teoria psicologica dell'apprendimento per imitazione, secondo cui una persona è in grado di generalizzare quanto appreso attraverso le osservazioni a nuovi contesti. Sulla base dell'analogia tra le tecniche utilizzate per 'apprendimento dei robot a partire dalle dimostrazioni e l'apprendimento delle persone dall'osservazione, questa tesi propone un approccio gerarchico all'apprendimento da dimostrazioni, suddiviso in differenti livelli. Questo approccio permette ad un robot di imparare un modello del compito che deve eseguire a partire da dimostrazioni e generalizzarlo a differenti condizioni ambientali e differenti stati iniziale/finale.
L'efficacia dell'approccio proposto è dimostrata attraverso l'apprendimento di un compito che consiste nel raccogliere alcuni oggetti in una paletta mediante una piccola scopa.