利用程序化风格一致性学习可校准策略
机器学习
2020-07-17 v3 机器学习
摘要
我们研究长时序序列行为可控生成的问题，其目标是同时校准到多种行为风格。与已被充分研究的图像、文本和语音可控生成领域不同，在生成长时序行为时有两个问题带来显著挑战：我们应如何指定待控制的变异因素，以及我们如何确保所生成的行为忠实地展现组合意义上的多种风格？我们利用程序化标注函数指定可控风格，并推导出风格一致性的形式化概念作为学习目标，该目标随后可使用常规策略学习方法求解。我们使用来自职业篮球运动员和 MuJoCo 物理环境中智能体的示范来评估我们的框架，并表明现有未显式强制风格一致性的方法无法生成多样行为，而我们学习的策略可针对多达 1024 种不同风格组合进行校准。
引用
@article{arxiv.1910.01179,
title = {Learning Calibratable Policies using Programmatic Style-Consistency},
author = {Eric Zhan and Albert Tseng and Yisong Yue and Adith Swaminathan and Matthew Hausknecht},
journal= {arXiv preprint arXiv:1910.01179},
year = {2020}
}