面向视觉运动学习与规划的少样本目标推断

强化学习和规划方法需要一个编码期望行为的目标或奖励函数。然而，在实践中，存在大量难以以编程方式提供目标的场景，例如涉及未知物体位置或可变形物体的视觉观测任务。在这些情况下，先前的方法使用针对特定问题设计的工程化解决方案，例如通过在环境中安装额外传感器来测量目标的代理量。此类解决方案需要在每个任务上进行大量的工程投入，并使机器人无法在实验室环境之外持续学习复杂技能。我们旨在为无约束环境中的机器人学习寻找一种更通用、可扩展的目标指定方案。为此，我们提出了少样本目标学习问题，其目标是从该任务的少量成功终态示例图像中学习任务目标。我们提出了该问题的一个简单解决方案：元学习一个能从少量示例中识别新目标的分类器。我们展示了该方法如何与无模型强化学习和基于视觉模型的规划结合使用，并在三个领域中给出了结果：模拟中基于图像的绳索操控、模拟三维环境中的视觉导航，以及真实机器人上按用户指定配置进行物体摆放。