视觉模仿学习的一种几何视角
机器人学
2020-03-06 v1 机器学习
摘要
我们考虑在无人类监督（例如示教或遥操作）且无法访问交互式强化学习(RL)训练环境的情况下的视觉模仿学习问题。我们提出一种几何视角来推导该问题的解。具体而言，我们提出 VGS-IL（视觉几何技能模仿学习），一种端到端的几何参数化任务概念推断方法，用于从人类演示视频帧中推断全局一致的几何特征关联规则。我们表明，与从图像像素学习动作不同，学习几何参数化的任务概念提供了一种可解释且在各种环境设置下从演示者到模仿者具有不变性的表示。此外，这种任务概念表示为基于几何视觉的控制器（例如视觉伺服）提供了直接联系，允许将高层任务概念高效映射到低层机器人动作。
引用
@article{arxiv.2003.02768,
title = {A Geometric Perspective on Visual Imitation Learning},
author = {Jun Jin and Laura Petrich and Masood Dehghan and Martin Jagersand},
journal= {arXiv preprint arXiv:2003.02768},
year = {2020}
}
备注
submitted to IROS 2020