面向跨域模仿学习的视觉观察下的领域无关逐帧特征提取
计算机视觉与模式识别
2025-02-17 v2 人工智能
机器学习
摘要
模仿学习 (IL) 使代理能够在没有奖励信号的情况下模仿专家行为，但在高维、噪声和不完整的视觉观察的跨域情境中面临挑战。为此，我们提出了 Domain-Invariant Per-Frame Feature Extraction for Imitation Learning (DIFF-IL)，一种新的 IL 方法，从单个帧中提取领域无关特征并将其适应为序列，以隔离并复制专家行为。我们还引入了一种基于帧的时序标记技术，用于按时间步分割专家行为并分配与时间上下文相对应的奖励，从而提升任务性能。跨多样化视觉环境的实验表明，DIFF-IL 在解决复杂视觉任务方面有效。
引用
@article{arxiv.2502.02867,
title = {Domain-Invariant Per-Frame Feature Extraction for Cross-Domain Imitation Learning with Visual Observations},
author = {Minung Kim and Kawon Lee and Jungmo Kim and Sungho Choi and Seungyul Han},
journal= {arXiv preprint arXiv:2502.02867},
year = {2025}
}
备注
8 pages main, 19 pages appendix with reference. Submitted to ICML 2025