用于稳定模仿学习的收缩向量场学习
机器人学
2018-04-16 v1 机器学习
机器学习
摘要
我们提出一种新的非参数框架，用于从一组采样轨迹中学习增量稳定的动力学系统 x' = f(x)。我们构造了一类由特定矩阵值核诱导的丰富光滑向量场族，其平衡点被精确置于所需的 location 集合，并且其在各点的局部收缩与曲率性质可使用凸优化显式控制。借助无旋核，我们的框架也可视为学习势场与梯度流的一种机制。我们在该背景下开发了基于随机核近似的大规模技术。我们在涉及复杂点对点人类书写运动的模仿学习任务上展示了我们称为收缩向量场（CVF）的方法。
引用
@article{arxiv.1804.04878,
title = {Learning Contracting Vector Fields For Stable Imitation Learning},
author = {Vikas Sindhwani and Stephen Tu and Mohi Khansari},
journal= {arXiv preprint arXiv:1804.04878},
year = {2018}
}