基于神经网络的对抗生成实时反馈用于仿真训练
机器学习
2017-05-24 v3 人机交互
机器学习
摘要
仿真训练作为一种低成本且便捷的训练技术，在广泛的应用领域中日益普及。然而，要使 SBT 平台作为有效的训练工具得到充分利用，在训练期间自动实时提供绩效反馈至关重要。本文旨在开发一种高效且有效的反馈生成方法，用于在 SBT 中提供实时反馈。现有方法要么在提升新手技能方面有效性较低，要么效率低下，导致无法实时使用。本文提出了一种基于神经网络的方法，利用对抗技术生成反馈。该方法利用有界对抗更新，通过反向传播最小化 L1 正则化损失。我们通过实验表明，所提方法可用于生成简单而有效的反馈。同时，观察到与现有方法相比，它具有高有效性和高效率，因此成为 SBT 中实时反馈生成的一个有前景的选择。
引用
@article{arxiv.1703.01460,
title = {Adversarial Generation of Real-time Feedback with Neural Networks for Simulation-based Training},
author = {Xingjun Ma and Sudanthi Wijewickrema and Shuo Zhou and Yun Zhou and Zakaria Mhammedi and Stephen O'Leary and James Bailey},
journal= {arXiv preprint arXiv:1703.01460},
year = {2017}
}
备注
Appeared in the Proceedings of the 26th International Joint Conference on Artificial Intelligence (IJCAI), Melbourne, 2017