Design and implementation of a behavior recognition and cloning system based on learning from observation

Abstract

ABSTRACT: Imagine an agent that performs tasks according to different planned strategies. Behavior Recognition aims to identify which of the available strategies are carried out by the agent by simply observing the agent's actions and the environmental conditions during a certain period of time. The objective of Behavior Cloning is a bit more ambitious, since the learner must be able to act-alike the agent. In both problems, the only assumption is that the learner has access to a training set that contains, for each strategy, several labeled traces of observations. The goal of this project is to implement a simulated learning environment (in this case a Roomba vacuum cleaner robot), and to find appropriate models and machine learning tools that allow, on one hand, a correct identification of the robot's strategy, and on the other hand, a reasonable imitation of the robot's behavior.

RESUMEN: Imaginemos un agente que realiza tareas siguiendo distintos tipos de estrategias. El reconocimiento del comportamiento tiene como finalidad descubrir cuál es la estrategia que el agente está realizando simplemente mediante la observación de las acciones que ejecuta y las condiciones ambientales en un determinado instante. El propósito de la clonación de conductas es más ambicioso, ya que el sistema debe ser capaz de actuar igual que el agente bajo la única hipótesis es que el sistema de aprendizaje tiene acceso a un conjunto de datos que contiene, para cada estrategia, una serie de trazas etiquetadas de observaciones. El objetivo del proyecto es implementar un entorno simulado de aprendizaje (en nuestro caso es el robot aspirador Roomba), y encontrar el modelo apropiado y las herramientas de aprendizaje automático que pueden permitirnos, por una parte, la correcta identificación de la estrategia del robot y, por otra parte, una adecuada imitación del comportamiento del robot.