HILONet：基于非对齐观测的分层模仿学习
机器学习
2024-10-30 v2
摘要
在非时间对齐的环境中，从仅含观测的示范轨迹进行学习具有挑战性，因为大多数模仿学习方法旨在通过逐步跟随示范来模仿专家。然而，在真实场景中获得对齐的示范十分罕见。在本工作中，我们提出一种称为基于观测的分层模仿学习（HILONet）的新模仿学习方法，其采用分层结构从示范观测中动态选择可行的子目标。我们的方法可通过实现这些子目标来解决各类任务，无论其是否具有单一目标位置。我们还提出了三种在分层结构中提高样本效率的不同方式。我们使用若干环境进行了大量实验。结果显示了在性能与学习效率上的提升。
引用
@article{arxiv.2011.02671,
title = {HILONet: Hierarchical Imitation Learning from Non-Aligned Observations},
author = {Shanqi Liu and Junjie Cao and Wenzhou Chen and Licheng Wen and Yong Liu},
journal= {arXiv preprint arXiv:2011.02671},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication