Key points are not available for this paper at this time.
비전문 사용자에 의해 조정될 수 있는 로봇을 배치하기 위해, 인터랙티브 모방 학습(IIL) 방법은 교사의 상호작용 선호도에 대해 유연해야 하며, 완벽한 교사(오라클)에 대한 가정을 피해야 하며, 다양한 인간 요인에 의해 영향을 받는 실수를 고려해야 합니다. 본 연구에서는 비전문가 및 불완전한 교사를 위한 인간-로봇 상호작용을 두 가지 방향으로 개선하는 IIL 방법을 제안합니다. 첫째, 불확실성 추정을 포함하여 에이전트가 지식 인식 부족(인식적 불확실성) 및 시범 모호성 인식(우연적 불확실성)을 가지도록 하여 로봇이 더 필요할 때 인간의 입력을 요청할 수 있도록 합니다. 둘째, 제안된 방법은 교사가 교정 시범, 평가 강화 및 암시적 긍정적 피드백을 사용할 수 있는 유연성을 가지고 훈련할 수 있도록 합니다. 실험 결과는 에이전트가 매우 모호한 교사에게서 학습할 때 다른 학습 방법에 비해 학습 수렴의 개선을 보여줍니다. 또한 사용자 연구에서는 제안된 방법의 구성 요소가 교수 경험과 학습 과정의 데이터 효율성을 개선하는 것으로 나타났습니다.
Celemin et al. (Mon,)은 이 질문을 연구했습니다.