基于多目标预测利用人眼注视的模仿学习
机器学习
2023-07-25 v3 人机交互
机器人学
摘要
通过人类示范教导学习智能体的方法已被广泛研究并成功应用于多个领域。然而，大多数模仿学习工作仅利用示范者的行为信息（即采取了哪些动作），而忽略了其他有用信息。特别地，眼动注视信息能 valuable 地揭示示范者分配视觉注意的位置，并有望提升智能体的性能与泛化能力。本工作中，我们提出注视正则化模仿学习（GRIL），一种新颖的上下文感知模仿学习架构，它同时从人类示范与眼动注视中学习，以解决视觉注意提供重要上下文的任务。我们将 GRIL 应用于视觉导航任务，其中无人四旋翼被训练在照片级真实感模拟环境中搜索并导航至目标车辆。我们表明 GRIL 优于若干最先进的基于注视的模仿学习算法，同时学会预测人类视觉注意，并泛化至训练数据中未出现的场景。补充视频与代码见 https://sites.google.com/view/gaze-regularized-il/。
引用
@article{arxiv.2102.13008,
title = {Imitation Learning with Human Eye Gaze via Multi-Objective Prediction},
author = {Ravi Kumar Thakur and MD-Nazmus Samin Sunbeam and Vinicius G. Goecks and Ellen Novoseller and Ritwik Bera and Vernon J. Lawhern and Gregory M. Gremillion and John Valasek and Nicholas R. Waytowich},
journal= {arXiv preprint arXiv:2102.13008},
year = {2023}
}
备注
Paper accepted and selected as an oral presentation at Interactive Learning with Implicit Human Feedback Workshop at ICML 2023