机器人队伍学习方法，实现8.8倍的人力回报

当机器人面临风险或无法完成任务时，机器人车队的商业和工业部署通常会在执行期间依赖远程人类远程操作员。通过持续学习，来自远程人群的干预也可用于随着时间的推移改进机器人车队控制策略。一个核心问题是如何有效地将有限的人类注意力分配给单个机器人。先前的工作在单机器人、单人环境中解决了这个问题。我们将交互式车队学习 (IFL) 设置形式化，其中多个机器人交互地查询并从多个人类主管那里学习。我们提供了一个完全实现的开源 IFL 基准测试套件，该套件包含 GPU 加速的 Isaac Gym 环境，用于评估 IFL 算法。我们提出了 Fleet-DAgger，一个 IFL 算法家族，并将一种新颖的 Fleet-DAgger 算法与仿真中的 4 个基线进行了比较。我们还使用 4 个 ABB YuMi 机械臂进行了 1000 次物理推块实验。实验表明，将人类分配给机器人会显着影响机器人车队的性能，并且我们的算法可实现比基线高 8.8 倍的人力回报。