A Survey of Skill Learning for Robots
该论文是机器人技能学习领域的综合性综述，系统梳理了机器人获取、表示、泛化和优化运动技能的各类方法。论文将技能学习方法分为四大类：1）模仿学习（Learning from Demonstration），包括行为克隆、逆强化学习、学徒学习等；2）强化学习（Reinforcement Learning），包括策略梯度、Q学习、演员-评论家等；3）进化策略（Evolutionary Strategies），包括遗传算法、进化策略等；4）元学习（Meta-Learning），包括MAML、RL2等。论文详细讨论了技能表示方法（DMP、ProMP、STRIPS、神经网络策略等）、技能泛化方法（参数泛化、任务泛化、域适应等）、技能组合方法（技能序列、技能并行、分层技能等），以及在操作、运动、导航等领域的应用。该综述引用超过1000次，是机器人技能学习领域的重要参考资料，为研究者提供了全面的方法分类和技术路线图。
主体信息
该论文是机器人技能学习领域的综合性综述，系统梳理了机器人获取、表示、泛化和优化运动技能的各类方法。论文将技能学习方法分为四大类：1）模仿学习（Learning from Demonstration），包括行为克隆、逆强化学习、学徒学习等；2）强化学习（Reinforcement Learning），包括策略梯度、Q学习、演员-评论家等；3）进化策略（Evolutionary Strategies），包括遗传算法、进化策略等；4）元学习（Meta-Learning），包括MAML、RL2等。论文详细讨论了技能表示方法（DMP、ProMP、STRIPS、神经网络策略等）、技能泛化方法（参数泛化、任务泛化、域适应等）、技能组合方法（技能序列、技能并行、分层技能等），以及在操作、运动、导航等领域的应用。该综述引用超过1000次，是机器人技能学习领域的重要参考资料，为研究者提供了全面的方法分类和技术路线图。