Learning, Introspection, and Anticipation for Effective and Reliable Task Planning Under Uncertainty - Towards Household Robots Comfortable with Missing Knowledge

Assista a esta palestra do seminário Centro Pi que explora abordagens inovadoras para planejamento de tarefas robóticas sob incerteza. Descubra como Professor Gregory J. Stein, do Grupo RAIL da George Mason University, apresenta uma família de métodos baseados em modelos que combinam planejamento com estimativas de aprendizado para criar robôs domésticos mais eficazes e confiáveis. Explore o conceito de "offline alt-policy replay", uma técnica que permite seleção rápida e confiável de políticas durante a implantação, mesmo em ambientes desconhecidos que diferem significativamente dos dados de treinamento. Aprenda sobre "planejamento antecipatório", onde robôs antecipam e evitam efeitos colaterais de suas ações em tarefas futuras indeterminadas, guiando-os para comportamentos que encorajam preparação e organização. Compreenda como essas abordagens melhoram o desempenho de robôs durante implantações prolongadas em ambientes domésticos incertos, oferecendo tanto alta performance quanto confiabilidade por design. A apresentação aborda desenvolvimentos recentes e projetos em andamento que aprimoram navegação de longo horizonte e planejamento de tarefas em ambientes similares a residências, contribuindo para o avanço da próxima geração de robôs de serviço e assistência.