Robot Learning

ساخت رباتی که یاد می گیرد یک کار را انجام دهد به عنوان یکی از چالش های اصلی پیش روی هوش مصنوعی شناخته شده است. روبات‌های خودبهبود، انسان‌ها را از بسیاری از مشقت‌های برنامه‌ریزی رهایی می‌بخشد و به طور بالقوه امکان عملیات در محیط‌هایی را می‌دهد که قابل تغییر یا تا حدی شناخته شده بودند. پیشرفت به سوی این هدف نیز با افزایش درک ما از نحوه ادغام موفقیت آمیز توانایی های متفاوت مانند ادراک، برنامه ریزی، یادگیری و عمل، کمک های اساسی به هوش مصنوعی می کند.
اگرچه ریشه های آن را می توان به اواخر دهه پنجاه ردیابی کرد، حوزه یادگیری ربات اخیراً مورد توجه قرار گرفته است. هجوم علاقه به یادگیری ربات تا حدی با کار جدید هیجان انگیز در زمینه های درآمد تقویتی، معماری های مبتنی بر رفتار، الگوریتم های ژنتیک، شبکه های عصبی و مطالعه حیات مصنوعی تقویت شده است. آموزش ربات مروری بر برخی از پروژه‌های تحقیقاتی فعلی در زمینه یادگیری ربات‌ها که در دانشگاه‌ها و آزمایشگاه‌های تحقیقاتی پیشرو در ایالات متحده انجام می‌شود، ارائه می‌کند. جهات اصلی تحقیق در یادگیری ربات که در این کتاب پوشش داده شده است عبارتند از: یادگیری تقویتی، معماری های مبتنی بر رفتار، شبکه های عصبی، یادگیری نقشه، مدل های اقدام، ناوبری و کاوش هدایت شده.

Building a robot that learns to perform a task has been acknowledged as one of the major challenges facing artificial intelligence. Self-improving robots would relieve humans from much of the drudgery of programming and would potentially allow operation in environments that were changeable or only partially known. Progress towards this goal would also make fundamental contributions to artificial intelligence by furthering our understanding of how to successfully integrate disparate abilities such as perception, planning, learning and action.
Although its roots can be traced back to the late fifties, the area of robot learning has lately seen a resurgence of interest. The flurry of interest in robot learning has partly been fueled by exciting new work in the areas of reinforcement earning, behavior-based architectures, genetic algorithms, neural networks and the study of artificial life. Robot Learning gives an overview of some of the current research projects in robot learning being carried out at leading universities and research laboratories in the United States. The main research directions in robot learning covered in this book include: reinforcement learning, behavior-based architectures, neural networks, map learning, action models, navigation and guided exploration.