基于视觉模仿学习的近似逆强化学习
机器人学
2021-04-12 v3 人工智能
计算机视觉与模式识别
机器学习
摘要
在这项工作中,我们提出了一种用于获取基于视觉导航的隐式目标函数的方法。所提出的方法依赖于模仿学习、模型预测控制(MPC)以及深度神经网络中使用的一种解释技术。我们将模仿学习用作进行逆强化学习的一种手段,以针对视觉导航挑战创建近似代价函数生成器。所得的代价函数(代价图)与 MPC 结合用于实时控制,并在新环境中优于其他最先进的代价图生成器。所提出的流程允许简单训练并对分布外数据具有鲁棒性。我们将我们的方法应用于多个真实与模拟环境中的基于视觉的自动驾驶任务,并展示了其泛化能力。
引用
@article{arxiv.2004.08051,
title = {Approximate Inverse Reinforcement Learning from Vision-based Imitation Learning},
author = {Keuntaek Lee and Bogdan Vlahov and Jason Gibson and James M. Rehg and Evangelos A. Theodorou},
journal= {arXiv preprint arXiv:2004.08051},
year = {2021}
}