基于GAN的强化学习环境顶视视图合成
计算机视觉与模式识别
2024-10-17 v1 系统与控制
系统与控制
摘要
人的行为基于对环境的心理感知。即使环境的多个方面并非全部可见，人类也拥有一种内部心理模型，可将部分可见场景推广为完整且连贯的视图。这种内部心理模型使用所学习的环境空间与时间抽象表示。人工智能代理在强化学习环境中也受益于从经验中学习环境表示。这为代理提供了不可直接看到的视点，帮助其做出更好的政策决策。它还可用于预测环境的未来状态。本项目探索了基于人工智能代理的第一人称视角观察，在强化学习环境中学习顶视视图。顶视视图有用，因为它通过构建整个环境的地图，提供了环境的完整概览。它提供了有关对象尺寸、形状以及它们之间的相对位置的信息。最初，当只有环境的部分观察可见时，仅生成部分顶视视图。随着代理通过一组动作探索环境，生成的顶视视图将变得完整。这一生成的顶视视图可帮助代理推断更好的政策决策。本项目的重点是学习强化学习环境的顶视视图。它不涉及任何强化学习任务。
引用
@article{arxiv.2410.12372,
title = {GAN Based Top-Down View Synthesis in Reinforcement Learning Environments},
author = {Usama Younus and Vinoj Jayasundara and Shivam Mishra and Suleyman Aslan},
journal= {arXiv preprint arXiv:2410.12372},
year = {2024}
}