通过逆生成模型进行零样本任务学习
人工智能
2025-01-14 v2 机器学习
机器人学
摘要
从仅少量示例中学习代理的意图（定义为其目标或运动风格）常常极具挑战性，我们将此问题称为任务概念学习，并提出方法——通过逆生成模型进行少样本任务学习（FTL-IGM），该方法利用可逆神经生成模型来学习新任务概念。核心思想是对基本概念及其演示进行预训练生成模型，然后，给定对新概念（如新目标或新动作）的少量演示， our 方法通过反向传播学习 underlying concepts，而不更新模型权重，归功于生成模型的可逆性。我们在五个领域评估了该方法——对象重新排列、目标导向导航、人类动作运动描述、自动驾驶和真实世界桌面操作。我们的实验结果表明，通过预训练的生成模型，我们成功学习了新概念并生成与这些概念对应的代理计划或运动，在（1）未见环境中和（2）与训练概念组合。
引用
@article{arxiv.2411.04987,
title = {Few-Shot Task Learning through Inverse Generative Modeling},
author = {Aviv Netanyahu and Yilun Du and Antonia Bronars and Jyothish Pari and Joshua Tenenbaum and Tianmin Shu and Pulkit Agrawal},
journal= {arXiv preprint arXiv:2411.04987},
year = {2025}
}
备注
Added acknowledgment