Gym Humain-Robot : Évaluation de l'apprentissage par renforcement dans la collaboration humain-robot

L'apprentissage par renforcement profond (RL) a montré des résultats prometteurs dans la planification de mouvements des robots avec des premières tentatives dans la collaboration humain-robot (HRC). Cependant, une comparaison équitable des approches de RL dans la HRC sous la contrainte de garantir la sécurité reste à réaliser. Nous présentons donc gym humain-robot, un ensemble de référence pour le RL sûr dans la HRC. Nous proposons des tâches HRC réalistes et stimulantes dans un cadre de simulation modulaire. Plus important encore, gym humain-robot est le premier ensemble de référence qui comprend un bouclier de sécurité pour garantir de manière prouvable la sécurité humaine. Cela comble une lacune critique entre la recherche théorique en RL et son déploiement dans le monde réel. Notre évaluation de six tâches a conduit à trois résultats clés : (a) la nature diversifiée des tâches offertes par gym humain-robot crée une évaluation difficile pour les méthodes de RL à la pointe de la technologie, (b) en exploitant les connaissances d'experts sous forme de récompense d'imitation d'action, l'agent RL peut surpasser l'expert, et (c) nos agents s'ajustent négligeablement aux données d'entraînement.