基于模仿、仿真与自适应的机器人学习高效监督方法

机器学习近期的成功推动了自主系统设计的变化，提升了已有任务的性能并使得新的应用成为可能。当数据收集与整理流程的开发比人工行为设计更为有效时，以数据为中心的方法在多样而复杂的应用中变得更具相关性。以下工作旨在以两种主要方式提升该流程的效率：利用更具信息量的强大数据源，以及从已有数据中提取额外信息。具体而言，我们针对三个正交方向：模仿学习、域自适应以及从仿真中的迁移。