如果有人在驾驶演示中跳过停车标

rumiseoexpate15

医疗保健LfD 帮助机器人获得医疗
行业 的重要技能：协助患者和提供医疗保健服务所必需的技能：从机器人手术和康复到协助患者进行日常活动。

（另请阅读：机器人技术如何改变医疗保健）

汽车自从卡内基梅隆大学的自动驾驶汽车ALVINN
问世以来

（另请阅读：无人驾驶的未来：自动驾驶汽车）

LfD 有很多优点和应用，但也有缺点。学习可能会受到演示频率和质量的影响，并且可能没有给机器人留下太多更直观的学习空间。

去年 11 月，南加州大学 (USC) 的研究人员在机器人学习会议 (CoRL) 上发表了一篇题为“使用信号时序逻辑从演示中学习”的论文。

信号时序逻辑 (STL) 是“一种富有 阿富汗 tg 粉 表现力的数学符号语言，能够让机器人推理当前和未来的结果。 ”借助 STL，机器人可以评估和排名演示的质量。

例如，志，系统会将其评级降低。如果司机使用刹车避免撞车，机器人仍会从这一行为中学习。

他们设计的系统会评估每次演示的质量，使机器人能够从成功和错误中学习——就像人类一样。

“当我们进入机器人和自动驾驶汽车等信息物理系统的世界时，时间至关重要，线性时间逻辑变得有点麻烦，因为它推理变量的真/假值序列，而 STL 允许推理物理信号，”前丰田工程师、南加州大学维特比计算机科学助理教授 Jyo Deshmukh 告诉《科学日报》。

与此同时，麻省理工学院 (MIT) 的研究人员设计了“不确定规范规划 (PUnS)”系统。该系统赋予机器人“类似人类的规划能力，可以同时权衡许多模糊且可能相互矛盾的要求，以达到最终目标。 ”

在观察了人类摆放餐桌的演示后，研究人员要求机械臂以特定方式摆放餐桌。尽管物品被隐藏、移除或堆叠，机械臂在实际实验中仍能正确完成任务，在 20,000 次模拟测试中仅犯了 6 次错误。