基于自组织生成模型的多样化模仿学习
机器学习
2022-05-10 v1
摘要
模仿学习的任务是在无奖励函数可用的情况下，从演示中复现专家策略。当专家表现出混合行为时，该任务尤为困难。已有工作引入潜变量来建模专家策略的变化。然而，我们的实验表明，现有工作未能恰当地模仿各个模态。为解决此问题，我们采用一种无编码器的生成模型进行行为克隆（BC），以准确区分并模仿不同模态。随后，我们将其与 GAIL 结合，使学习对未观测状态处的复合误差具有鲁棒性。我们表明，我们的方法在多个实验中显著优于当前最优方法。
引用
@article{arxiv.2205.03484,
title = {Diverse Imitation Learning via Self-Organizing Generative Models},
author = {Arash Vahabpour and Tianyi Wang and Qiujing Lu and Omead Pooladzandi and Vwani Roychowdhury},
journal= {arXiv preprint arXiv:2205.03484},
year = {2022}
}