CRIL:基于生成与预测模型的持续机器人模仿学习
机器人学
2021-10-19 v2 人工智能
摘要
模仿学习(IL)算法已在机器人从专家示范学习技能方面展现出有前景的结果。然而,它们需要一次性提供多任务示范以获取多样技能,这在实际中难以实现。本工作中我们研究如何实现持续模仿学习能力,使机器人能够逐个持续学习新任务,从而减轻多任务 IL 的负担并同时加速新任务学习过程。我们提出了一种新颖的轨迹生成模型,该模型采用生成对抗网络与动力学感知预测模型,在新任务学习过程中从所有已学任务生成伪轨迹。我们在仿真与真实世界操作任务上的实验证明了我们方法的有效性。
引用
@article{arxiv.2106.09422,
title = {CRIL: Continual Robot Imitation Learning via Generative and Prediction Model},
author = {Chongkai Gao and Haichuan Gao and Shangqi Guo and Tianren Zhang and Feng Chen},
journal= {arXiv preprint arXiv:2106.09422},
year = {2021}
}