具身导航任务中视觉表征的分析
计算机视觉与模式识别
2020-03-16 v1 人工智能
机器学习
摘要
深度强化学习的最新进展需要大量训练数据，并且通常导致表征往往过度专门化于目标任务。在这项工作中，我们提出了一种方法来研究这种专门化的潜在根本原因。我们使用最近提出的投影加权典型相关分析（PWCCA）来衡量在同一环境中通过执行不同任务学习到的视觉表征的相似性。然后，我们利用我们提出的方法来检验在相关但不同的具身导航任务上学习的视觉表征的任务依赖性。令人惊讶的是，我们发现对于 SqueezeNet 和 ResNet 架构，任务的细微差异对视觉表征没有可测量的影响。然后我们凭经验证明，在一个任务上学习的视觉表征可以有效地迁移到不同的任务。
引用
@article{arxiv.2003.05993,
title = {Analyzing Visual Representations in Embodied Navigation Tasks},
author = {Erik Wijmans and Julian Straub and Dhruv Batra and Irfan Essa and Judy Hoffman and Ari Morcos},
journal= {arXiv preprint arXiv:2003.05993},
year = {2020}
}