视觉控制策略的闭环学习
计算机视觉与模式识别
2011-10-12 v1
摘要
本文提出一个通用且灵活的框架,用于通过与环境交互来学习从图像到动作的映射。其基本思想是在强化学习算法前端引入一个基于特征的图像分类器。该分类器根据少量高信息量的局部描述子的存在与否来划分视觉空间,这些描述子是在一系列消除感知混淆(perceptual aliasing)的尝试中被逐步选取的。我们还讨论了在该贪心算法中防止过拟合的问题。最后,我们展示了当局部描述子的能力不足以完全消除混淆状态时,如何生成高层视觉特征。这是通过构建一个由视觉特征递归空间组合而成的复合特征层次结构来实现的。我们通过求解三个视觉导航任务以及经典 Hill 上小车控制问题的视觉版本来证明算法的有效性。
引用
@article{arxiv.1110.2210,
title = {Closed-Loop Learning of Visual Control Policies},
author = {S. R. Jodogne and J. H. Piater},
journal= {arXiv preprint arXiv:1110.2210},
year = {2011}
}