模仿学习回归现实
机器人学
2021-11-29 v1 机器学习
摘要
模仿学习，乃至整个机器人学习，其兴起源于机器学习的突破，而非机器人技术的突破。因此，机器人学习的评估指标深深植根于机器学习的评估指标，并主要关注数据效率。我们认为，对于现实世界的机器人学习，一个更好的指标是时间效率，它能更好地模拟人类的真实成本。这是一份向机器人学习界发出的行动号召，旨在开发我们自己的评估指标，这些指标应面向现实世界机器人技术的长期目标。
引用
@article{arxiv.2111.12867,
title = {Back to Reality for Imitation Learning},
author = {Edward Johns},
journal= {arXiv preprint arXiv:2111.12867},
year = {2021}
}
备注
Published at CoRL 2021, blue sky oral track