【论文标题】Reinforcement Learning Approaches in Social Robotics

【作者团队】Neziha Akalin and Amy Lautfi

【发表时间】2021.02.11

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

【推荐理由】交互在强化学习和社交机器人中都是一个关键部分，它对于具有嵌入式社交机器人的现实世界交互来说是一个非常合适的方法。本文主要对强化学习在社交机器人和现实世界中人类和机器人之间的交互中个应用的研究加以介绍，并对基于强化学习中已存在的方法和回报机制的设计进行了分类。同时将沟通能力作为重点，讨论了在回报建模中的沟通媒介。强化学习用于社交机器人拥有其优势与挑战，本文也略作概述。对于开始学习将强化学习用于此领域的研究者来说，本文是一个很好的综述型文章。

在探究强化学习是如何应用到社交机器人领域之前，首先要明确社交机器人的定义和强化学习的基本概念和方法。在此之后，作者对如下四个方面进行了详述：1. RL类型；2. 建立回报方程时使用的通信媒介；3. 回报方程的本质；4. 这些算法的评估方法论。这些叙述可以帮助并引领在此领域工作的社交机器人研究者来选择合适的算法。

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