Robotik-Lernen: Ein Tutorial

papers.abstract

Das Robotik-Lernen befindet sich an einem Wendepunkt, angetrieben durch rasante Fortschritte im Bereich des maschinellen Lernens und die zunehmende Verfügbarkeit von großvolumigen Robotikdaten. Dieser Wandel von klassischen, modellbasierten Methoden hin zu datengetriebenen, lernbasierten Paradigmen erschließt beispiellose Fähigkeiten in autonomen Systemen. Dieses Tutorial führt durch die Landschaft des modernen Robotik-Lernens und skizziert einen Weg von den grundlegenden Prinzipien des Reinforcement Learning und Behavioral Cloning hin zu generalistischen, sprachgesteuerten Modellen, die in der Lage sind, vielfältige Aufgaben und sogar unterschiedliche Roboterplattformen zu bewältigen. Diese Arbeit soll als Leitfaden für Forscher und Praktiker dienen, und unser Ziel ist es, den Leser mit dem konzeptionellen Verständnis und den praktischen Werkzeugen auszustatten, die notwendig sind, um Entwicklungen im Bereich des Robotik-Lernens voranzutreiben, einschließlich einsatzbereiter Beispiele, die in lerobot implementiert sind.

English

Robot learning is at an inflection point, driven by rapid advancements in machine learning and the growing availability of large-scale robotics data. This shift from classical, model-based methods to data-driven, learning-based paradigms is unlocking unprecedented capabilities in autonomous systems. This tutorial navigates the landscape of modern robot learning, charting a course from the foundational principles of Reinforcement Learning and Behavioral Cloning to generalist, language-conditioned models capable of operating across diverse tasks and even robot embodiments. This work is intended as a guide for researchers and practitioners, and our goal is to equip the reader with the conceptual understanding and practical tools necessary to contribute to developments in robot learning, with ready-to-use examples implemented in lerobot.

Robotik-Lernen: Ein Tutorial

Robot Learning: A Tutorial

papers.abstract

Support