Sistema de aprendizaje cooperativo para enjambre de robots sociales
-
Published:2024-07-12
Issue:45
Volume:
Page:
-
ISSN:3045-4093
-
Container-title:Jornadas de Automática
-
language:
-
Short-container-title:JA-CEA
Author:
Álvarez-Arias SofíaORCID, Maroto-Gómez MarcosORCID, Carrasco-Martínez SaraORCID, Malfaz MaríaORCID, Salichs Miguel ÁngelORCID
Abstract
Cada vez son más los robots sociales dedicados a asistencia diaria en casas particulares y residencias, por lo que una adaptación al usuario y centralizar la información recogida por todos ellos resulta fundamental. Este artículo presenta un sistema de aprendizaje cooperativo para el robot social Mini. Este robot pretende asistir a usuarios de edad avanzada facilitando tareas mediante una interacción humano-robot adaptada a sus necesidades. El sistema propuesto permite integrar distintos métodos de aprendizaje por refuerzo de forma simultánea, permitiendo a los robots mejorar su comportamiento y aprender en entornos dinámicos de forma autónoma. Este sistema pretende superar limitaciones importantes del aprendizaje en robótica social al conectar los robots a un servidor central. La red permite compartir y centralizar la información de las interacciones de cada robot, agilizando el proceso de aprendizaje al disponer de un mayor volumen de datos en menos tiempo. El servidor almacena y procesa la información, mejorando la eficiencia y reduciendo la carga computacional en los robots. Este sistema permite a los robots adaptarse mejor a diferentes usuarios y entornos, mejorando sus respuestas y la personalización en la interacción humano-robot.
Publisher
Universidade da Coruna
Reference14 articles.
1. Akalin, N., Loutfi, A., 2021. Reinforcement learning approaches in social robotics. Sensors 21 (4), 1292. 2. Franc ̧ois-Lavet, V., Henderson, P., Islam, R., Bellemare, M. G., Pineau, J., et al., 2018. An introduction to deep reinforcement learning. Foundations and Trends® in Machine Learning 11 (3-4), 219–354. 3. Gamboa-Montero, J. J., Alonso-Martin, F., Marques-Villarroya, S., Sequeira, J., Salichs, M. A., 2023. Asynchronous federated learning system for human–robot touch interaction. Expert Systems with Applications 211, 118510. 4. Goodfellow, I., Bengio, Y., Courville, A., 2016. Deep learning. MIT press. 5. Hessel, M., Modayil, J., Van Hasselt, H., Schaul, T., Ostrovski, G., Dabney, W., Horgan, D., Piot, B., Azar, M., Silver, D., 2018. Rainbow: Combining improvements in deep reinforcement learning. Proceedings of the AAAI conference on artificial intelligence 32 (1), 14.
|
|