勿从零开始：利用先验数据实现机器人强化学习自动化
机器人学
2022-07-19 v2 机器学习
摘要
强化学习（RL）算法有望使机器人系统实现自主技能获取。然而在实践中，真实世界机器人 RL 通常需要耗时的数据收集与频繁的人工干预来重置环境。此外，用 RL 学到的机器人策略在超出其受控训练环境部署时常常失败。本工作中，我们研究如何通过有效利用从已见任务收集的多样离线数据集来应对这些挑战。面对新任务时，我们的系统调整先前学到的技能以快速学会既执行新任务又将环境恢复至初始状态，从而有效地自行完成环境重置。我们的实证结果表明，将先验数据引入机器人强化学习可实现自主学习，大幅提升学习的样本效率，并带来更好的泛化能力。项目网站：https://sites.google.com/view/ariel-berkeley/
引用
@article{arxiv.2207.04703,
title = {Don't Start From Scratch: Leveraging Prior Data to Automate Robotic Reinforcement Learning},
author = {Homer Walke and Jonathan Yang and Albert Yu and Aviral Kumar and Jedrzej Orbik and Avi Singh and Sergey Levine},
journal= {arXiv preprint arXiv:2207.04703},
year = {2022}
}
备注
17 pages, project website at https://sites.google.com/view/ariel-berkeley/