基于能量对抗框架的多模态行为克隆——EBGAN-MDN
机器学习
2025-10-10 v1
摘要
多模态行为克隆面临严重的模式平均和模式崩溃问题，传统模型无法捕获多样化的输入-输出映射。这种问题在机器人等应用中尤为关键，准确建模多种有效动作可确保性能和安全性。我们提出了EBGAN-MDN，一种集成能量基模型、混合密度网络（MDN）和对抗训练的框架。通过采用修改版InfoNCE损失和能量约束MDN损失，EBGAN-MDN有效地解决了上述挑战。在合成数据和机器人基准测试上进行的实验表明，EBGAN-MDN在多模态学习任务中表现出优越的性能，证明其作为一种有效且高效的解决方案。
引用
@article{arxiv.2510.07562,
title = {EBGAN-MDN: An Energy-Based Adversarial Framework for Multi-Modal Behavior Cloning},
author = {Yixiao Li and Julia Barth and Thomas Kiefer and Ahmad Fraij},
journal= {arXiv preprint arXiv:2510.07562},
year = {2025}
}