Robotyka

LfD / PbD

1994AktywnyOpublikowano: 31 lipca 2026Aktualizacja: 20 września 2026Opublikowany

Paradygmat uczenia robota, w ktorym czlowiek pokazuje zadanie (przez prowadzenie ramienia, teleoperacje lub obserwacje), a robot uczy sie z tych demonstracji. Znane tez jako Learning from Demonstration (LfD) / Programming by Demonstration (PbD).

Kluczowa innowacja

Uczenie robota nowych zadan poprzez pokazywanie ich przez czlowieka (demonstracje), a nie recznego programowania - robot zdobywa umiejetnosc/polityke na podstawie przykladow wykonania zadania.

Kategoria

Robotyka

Poziom abstrakcji

Paradygmat

Poziom operacji

Sterowanie robotemTrening

Zastosowania

Szybkie uczenie robotow przemyslowych nowych zadanZbieranie danych do uczenia (embodied AI data)Budowa bibliotek wielorazowych umiejetnosci robotaProgramowanie cobotow przez operatorow bez koduManipulacja i zadania kontaktowe uczone z pokazu

Jak działa

1) Nauczyciel (czlowiek) demonstruje zadanie: przez kinestetyczne prowadzenie ramienia, teleoperacje lub obserwowane nagranie. 2) System rejestruje demonstracje - trajektorie, sily, obraz, stan robota. 3) Z demonstracji wyodrebniana jest polityka/umiejetnosc (np. metodami imitation learning / behavior cloning). 4) Robot odtwarza i generalizuje zadanie; opcjonalnie doskonali sie dalej (np. przez dodatkowe demonstracje korygujace lub uczenie ze wzmocnieniem).

Rozwiązany problem

Reczne programowanie robota do kazdego nowego zadania jest wolne, kosztowne i wymaga ekspertow. Teaching by demonstration pozwala nietechnicznemu uzytkownikowi 'pokazac' zadanie, a robot uczy sie go z przykladow.

Komponenty

Interfejs demonstracjiWejscie od nauczyciela

Sposob pokazania zadania: kinestetyczne prowadzenie, teleoperacja lub obserwacja wideo.

Oficjalna

Rejestracja demonstracjiZbieranie danych

Zapis trajektorii, sil, obrazu i stanu robota podczas pokazu.

Oficjalna

Wyodrebnienie politykiUczenie umiejetnosci

Przeksztalcenie demonstracji w polityke/umiejetnosc (np. imitation learning / BC).

Oficjalna

Odtwarzanie i generalizacjaWykonanie zadania

Robot odtwarza wyuczone zadanie i generalizuje je do nowych warunkow.

Oficjalna

Implementacja

Implementacje referencyjne

robomimic

Python · ARISE Initiative (Stanford)

LeRobot

Python · Hugging Face

Pułapki implementacyjne

Dryf dystrybucji (compounding errors)Wysoka

Polityka uczona z demonstracji moze bladzic poza rozkladem demonstracji, kumulujac bledy (problem behavior cloning).

Rozwiązanie:Demonstracje korygujace (DAgger), wiecej/roznorodniejsze dane, laczenie z RL.

Korespondencja czlowiek-robotŚrednia

Rozne cialo/kinematyka czlowieka i robota utrudnia przeniesienie demonstracji (zwlaszcza z obserwacji).

Rozwiązanie:Retargeting ruchu, teleoperacja/kinestetyka zamiast czystej obserwacji.

Koszt i jakosc demonstracjiŚrednia

Dobre demonstracje sa pracochlonne; niespojne lub nieoptymalne pokazy pogarszaja wyuczona polityke.

Rozwiązanie:Ergonomiczne interfejsy teleoperacji, kontrola jakosci, filtrowanie danych.

Ewolucja

Oryginalny paper · 2009 · Robotics and Autonomous Systems (Elsevier), 2009 · Brenna D. Argall

A survey of robot learning from demonstration

Brenna D. Argall, Sonia Chernova, Manuela Veloso, Brett Browning

1994

Programming by Demonstration (wczesne prace)

Wczesne prace nad programowaniem robotow przez demonstracje (m.in. teleoperacja i prowadzenie) w robotyce przemyslowej i badawczej.

2004

Apprenticeship Learning przez Inverse RL

Punkt przełomowy

Abbeel i Ng pokazują uczenie polityki z demonstracji przez odtworzenie funkcji nagrody (inverse RL) — kluczowa alternatywa dla czystego behavior cloningu.

RL (koncept)Apprenticeship Learning via Inverse Reinforcement Learning (Abbeel i Ng, 2004) (artykuł)

2009

Przeglad LfD (Argall i in.)

Punkt przełomowy

Argall, Chernova, Veloso, Browning publikuja kanoniczny przeglad 'A survey of robot learning from demonstration', porzadkujac dziedzine.

2011

DAgger — redukcja dryfu dystrybucji

Punkt przełomowy

Ross, Gordon i Bagnell wprowadzają DAgger (Dataset Aggregation) — iteracyjne dozbieranie danych korygujących, adresujące kumulację błędów w behavior cloningu.

Imitation Learning / BC (koncept)A Reduction of Imitation Learning and Structured Prediction to No-Regret Online Learning (Ross i in., 2011) (artykuł)

2023

Skalowanie demonstracji dla foundation models

Teleoperacja i demonstracje na skale zasilaja robotyczne modele fundamentalne i biblioteki umiejetnosci (embodied AI).

2023

Diffusion Policy — wizuomotoryczne uczenie z demonstracji

Chi i in. pokazują polityki dyfuzyjne uczone z demonstracji, które modelują wielomodalne rozkłady akcji — nowy standard w manipulacji uczonej z pokazów.

Diffusion Policy (koncept)Diffusion Policy: Visuomotor Policy Learning via Action Diffusion (Chi i in., 2023) (artykuł)

Hiperparametry (konfigurowalne osie)

Sposob demonstracjiKrytyczna

Kinestetyczne prowadzenie, teleoperacja lub obserwacja (wideo).

Metoda uczenia politykiWysoka

Np. behavior cloning, inverse RL, dynamic movement primitives.

Behavior Cloning (BC)Uczenie nadzorowane mapowania stan→akcja z demonstracji.

Inverse RL (IRL)Odtworzenie funkcji nagrody z demonstracji (apprenticeship learning).

DAggerIteracyjne dozbieranie danych korygujących ograniczające dryf dystrybucji.

Dynamic Movement Primitives (DMP)Parametryczne prymitywy ruchu uczone z pojedynczych demonstracji.

Diffusion PolicyWizuomotoryczna polityka generatywna (diffusion) uczona z demonstracji.

Liczba demonstracjiWysoka

Ile pokazow potrzeba do wyuczenia i generalizacji zadania.

Złożoność obliczeniowa

Złożoność czasowa: Nie dotyczy (paradygmat uczenia/HRI, nie algorytm). Złożoność przestrzenna: Nie dotyczy.

Wąskie gardło obliczeniowe

Liczba i jakosc demonstracji

Skutecznosc zalezy przede wszystkim od jakosci i pokrycia demonstracji (dane), a nie od surowego computu; waskim gardlem jest kosztowne pozyskiwanie dobrych demonstracji i generalizacja poza rozklad.

Zależy od

Jakosc/pokrycie demonstracjiKoszt pozyskania demonstracji

Paradygmat wykonania

Tryb główny

Warunkowy

Opis dotyczy fazy odtwarzania wyuczonej polityki; sam paradygmat uczenia nie jest paradygmatem obliczeniowym.

Wzorzec aktywacji

Zależne od wejścia

Mechanizm routingu

Równoległość

Poziom równoległości

Częściowo równoległy

Zbieranie demonstracji jest sekwencyjne (czlowiek), ale trening polityki i wiele stanowisk demonstracyjnych moga dzialac rownolegle.

Zakres

TreningInferencja

Ograniczenia

!Demonstracje ludzkie sa zbierane sekwencyjnie; trening polityki mozna zrownoleglic.

Wymagania sprzętowe

Podstawowe

To paradygmat uczenia/HRI - niezalezny od typu akceleratora; kinestetyczna demonstracja korzysta z napedu zwrotnego, a trening polityki moze wykorzystywac GPU.