超网络的优化器、初始化器及架构对演示持续学习的影响
机器人学
2024-01-02 v1 机器学习
摘要
在演示持续学习（CLfD）中，机器人从人类演示中持续学习一系列真实世界运动技能。近期，超网络在解决该问题上取得了成功。本文对不同的优化器、初始化器和网络架构对 CLfD 超网络持续学习性能的影响进行了探索性研究。结果表明，自适应学习率优化器效果良好，但专为超网络设计的初始化器对 CLfD 并无优势。我们还表明，能够进行稳定轨迹预测的超网络对不同网络架构具有鲁棒性。开源代码可在 https://github.com/sebastianbergner/ExploringCLFD 获取。
引用
@article{arxiv.2401.00524,
title = {Effect of Optimizer, Initializer, and Architecture of Hypernetworks on Continual Learning from Demonstration},
author = {Sayantan Auddy and Sebastian Bergner and Justus Piater},
journal= {arXiv preprint arXiv:2401.00524},
year = {2024}
}