从视频游戏到真实机器人：动作空间之间的迁移
机器学习
2020-03-24 v2 人工智能
机器人学
摘要
深度强化学习已被证明在模拟环境中学习任务是成功的，但将相同技术应用于真实世界领域的机器人更具挑战性，因为它们需要数小时的训练。为此，可使用迁移学习先在模拟环境中训练策略，再将其迁移到物理智能体。由于模拟永远无法完美匹配现实，这些环境之间的物理、视觉和动作空间必然存在一定程度的差异。在这项工作中，我们研究如何直接利用通用视频游戏而非精细调整的模拟来进行 sim-to-real（模拟到真实）迁移。特别地，我们研究当游戏动作与机器人动作不匹配时，智能体如何自主地学习新的动作空间。我们的结果表明，通过仅重新训练神经网络的部分层即可学习不同的动作空间，并且在模拟和机器人实验中均获得了超过 90% 的平均成功率。
引用
@article{arxiv.1905.00741,
title = {From Video Game to Real Robot: The Transfer between Action Spaces},
author = {Janne Karttunen and Anssi Kanervisto and Ville Kyrki and Ville Hautamäki},
journal= {arXiv preprint arXiv:1905.00741},
year = {2020}
}
备注
Two first authors contributed equally. Accepted by ICASSP 2020