主动第三人称模仿学习
机器学习
2023-12-29 v1 人工智能
机器学习
摘要
我们考虑第三人称模仿学习问题，并附加了一个挑战：学习者必须选择观察专家的视角。在我们的设定中，每个视角仅提供关于专家行为的有限信息，学习代理必须仔细选择并结合来自不同视角的信息以实现具有竞争力的性能。这一设定受到现实世界模仿学习应用的启发，例如在机器人技术中，机器人可能通过摄像头观察人类演示者，并根据摄像头的位置接收来自不同视角的信息。我们将上述主动第三人称模仿学习问题形式化，理论分析其特性，并提出一种基于生成对抗网络（GAN）的主动学习方法。实证表明，我们提出的方法可以有效地从专家演示中学习，并探讨了不同架构选择对学习者性能的重要性。
引用
@article{arxiv.2312.16365,
title = {Active Third-Person Imitation Learning},
author = {Timo Klein and Susanna Weinberger and Adish Singla and Sebastian Tschiatschek},
journal= {arXiv preprint arXiv:2312.16365},
year = {2023}
}