Robot Leren: Een Tutorial

Samenvatting

Robot learning bevindt zich op een kantelpunt, aangedreven door snelle vooruitgang in machine learning en de toenemende beschikbaarheid van grootschalige robotica-data. Deze verschuiving van klassieke, modelgebaseerde methoden naar data-gedreven, leer-gebaseerde paradigma's ontgrendelt ongekende mogelijkheden in autonome systemen. Deze tutorial verkent het landschap van moderne robot learning, waarbij een route wordt uitgestippeld van de fundamentele principes van Reinforcement Learning en Behavioral Cloning naar generalistische, taal-geconditioneerde modellen die in staat zijn om diverse taken uit te voeren en zelfs verschillende robotconfiguraties te hanteren. Dit werk is bedoeld als een gids voor onderzoekers en praktijkmensen, en ons doel is om de lezer uit te rusten met het conceptuele begrip en de praktische tools die nodig zijn om bij te dragen aan ontwikkelingen in robot learning, met direct bruikbare voorbeelden geïmplementeerd in lerobot.

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.

Robot Leren: Een Tutorial

Robot Learning: A Tutorial

Samenvatting

Support