多模态模仿学习的预热演示
机器学习
2017-10-17 v1 机器学习
摘要
近期关于模仿学习的工作生成了能够从多模态数据复现专家行为的策略。然而，过去的方法仅专注于重现少量独特的专家机动，或者依赖于产生不稳定策略的监督学习技术。这项工作扩展了 InfoGAIL（一种多模态模仿学习算法），以复现长时间段内的行为。我们的方法涉及重构典型的模仿学习设置，以包含策略在测试时以其为条件的“预热演示”（burn-in demonstrations）。我们证明，我们的方法在最大化道路场景模拟中预测标签与未见风格标签之间的互信息方面优于标准 InfoGAIL，并且我们的方法导致了能够长时间范围模仿专家自动驾驶系统的策略。
引用
@article{arxiv.1710.05090,
title = {Burn-In Demonstrations for Multi-Modal Imitation Learning},
author = {Alex Kuefler and Mykel J. Kochenderfer},
journal= {arXiv preprint arXiv:1710.05090},
year = {2017}
}
备注
1st Conference on Robotic Learning, Non-archival Track