ASC让我无所不能：具身AI的多任务训练
计算机视觉与模式识别
2022-02-16 v1 人工智能
摘要
具身AI在一系列独立的多样任务上取得了稳步进展。虽然这些不同任务的最终目标各异，但成功完成它们所需的基本技能高度重叠。本文中，我们的目标是利用这些共享技能来联合学习执行多个任务。我们提出原子技能完成（ASC），一种用于具身AI多任务训练的方法，其中跨多个任务共享的一组原子技能被组合在一起来执行任务。该方法成功的关键在于一种预训练方案，它将技能学习与高层任务解耦，从而使联合训练有效。我们使用ASC在AI2-THOR环境中训练智能体联合执行四项交互任务，发现其异常有效。在多任务设定下，与无预训练相比，ASC在已见场景上的成功率提升2倍，在未见场景上提升4倍。重要的是，ASC使我们能够训练出比训练4个独立单任务智能体成功率高出52%的多任务智能体。最后，我们的分层智能体比传统黑盒架构更具可解释性。
引用
@article{arxiv.2202.06987,
title = {ASC me to Do Anything: Multi-task Training for Embodied AI},
author = {Jiasen Lu and Jordi Salvador and Roozbeh Mottaghi and Aniruddha Kembhavi},
journal= {arXiv preprint arXiv:2202.06987},
year = {2022}
}
备注
22 pages, 11 figures