Preference-Conditioned Language-Guided Abstraction

Learning from demonstrations is a common way for users to teach robots, but it is prone to spurious feature correlations. Recent work constructs state abstractions, i.e. visual representations containing task-relevant features, from language as a way to perform more generalizable learning. However,...

Celý popis

Podrobná bibliografie

Vydáno v:	2024 19th ACM/IEEE International Conference on Human-Robot Interaction (HRI) s. 572 - 581
Hlavní autoři:	Peng, Andi, Bobu, Andreea, Li, Belinda Z., Sumers, Theodore R., Sucholutsky, Ilia, Kumar, Nishanth, Griffiths, Thomas L., Shah, Julie A.
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	ACM 11.03.2024
Témata:	Behavioral sciences Correlation human preferences Human-robot interaction learning from human input Robots state abstraction Visualization
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!