【论文标题】Reinforcement Learning Approaches in Social Robotics社会机器人中的强化学习方法

【作者团队】Neziha Akalin, Amy Loutfi

【发表时间】2021-2-11

【研究机构】Örebro University

【论文链接】https://www.mdpi.com/1424-8220/21/4/1292

【推荐理由】文章概述了社交机器人中的强化学习方法。强化学习是用于决策问题的框架，在该框架中，代理通过反复试验与环境互动以发现最佳行为。由于交互是强化学习和社交机器人学中的关键组成部分，因此它可能是与物理体现的社交机器人进行现实世界交互的一种很好的方法。本文的范围尤其侧重于包括社交物理机器人以及与用户的真实世界中人机交互的研究。我们对社交机器人中的强化学习方法进行了全面的分析。除调查外，我们还根据使用的方法和奖励机制的设计对现有的强化学习方法进行分类。而且，由于交流能力是社交机器人的显着特征，因此，我们根据用于奖励制定的交流媒介对论文进行讨论和分组。考虑到设计奖励功能的重要性，我们还根据奖励的性质对论文进行了分类。此分类包括三个主要主题：交互式强化学习，内在动机方法和任务绩效驱动方法。

内容中包含的图片若涉及版权问题，请及时与我们联系删除