Guided RL zielt darauf ab, Steuerungsstrategien für reale Roboter auf effiziente und effektive Weise zu erlernen. Wir zeigen, wie die vorgestellte modulare Toolbox für drei sehr unterschiedliche Roboteraufgaben angewendet werden kann.
Guided Reinforcement Learning beschreibt das eigenständige Erlernen von Steuerungsstrategien für intelligente Roboter. Durch die Einbeziehung von zusätzlichem Wissen wird der Trainingsprozess dateneffizienter und effektiver für die Anwendung auf realen Robotern.
Reinforcement Learning beschreibt einen datengetriebenen Ansatz zum Erlernen intelligenter Verhaltensweisen durch Trial-and-Error-Interaktion mit der Umwelt. Bezogen auf die Robotik bietet es neue Möglichkeiten zum Erlernen der Robotersteuerung unter Unsicherheiten für anspruchsvolle Roboteraufgaben.
Im Maschinellen Lernen gibt es verschiedene Paradigmen, nach denen Algorithmen trainiert werden. Sie unterscheiden sich in der Auswahl der Trainingsdaten und in der Art und Häufigkeit des Feedbacks während der Trainingsphase.
