推断个性化贝叶斯嵌入以从异构示范中学习
机器学习
2019-03-15 v1 人工智能
人机交互
机器学习
摘要
为使辅助机器人与虚拟智能体得以普及，机器需要预判其人类对应者的需求。示范学习（LfD）领域一直致力于使机器推断人类行为的预测模型以用于自主机器人控制。然而，人类在决策中表现出异质性，传统 LfD 方法未能捕捉此特性。为克服该挑战，我们提出一种贝叶斯 LfD 框架，通过推断人类特定嵌入来推断所有人类任务示范者的集成表示，从而提炼其独特特征。我们验证了该方法在合成与真实世界数据集上均能超越最先进的技术。
引用
@article{arxiv.1903.06047,
title = {Inferring Personalized Bayesian Embeddings for Learning from Heterogeneous Demonstration},
author = {Rohan Paleja and Matthew Gombolay},
journal= {arXiv preprint arXiv:1903.06047},
year = {2019}
}
备注
8 Pages, 7 figures