基于语义技能模仿的跨域迁移
机器学习
2022-12-15 v1 机器人学
摘要
我们提出了一种语义模仿方法,其利用来自源域(如人类视频)的演示来加速不同目标域(如模拟厨房中的机械臂)中的强化学习(RL)。我们的方法不模仿关节速度等底层动作,而是模仿所演示的语义技能序列,如“打开微波炉”或“打开炉灶”。这使我们能够跨环境(如真实世界到模拟厨房)和智能体载体(如双手人类演示到机械臂)迁移演示。我们在三个具有挑战性的跨域学习问题上进行了评估,并匹配了需要域内演示的演示加速 RL 方法的性能。在模拟厨房环境中,我们的方法利用来自真实厨房少于 3 分钟的人类视频演示,学习了长视野机器人操作任务。这使得通过复用演示(如作为人类视频收集)来在任何数量的目标域中进行学习,从而实现机器人学习的扩展。
引用
@article{arxiv.2212.07407,
title = {Cross-Domain Transfer via Semantic Skill Imitation},
author = {Karl Pertsch and Ruta Desai and Vikash Kumar and Franziska Meier and Joseph J. Lim and Dhruv Batra and Akshara Rai},
journal= {arXiv preprint arXiv:2212.07407},
year = {2022}
}
备注
Project website: https://kpertsch.github.io/star