利用单次视频演示与人类反馈从观测中学习
机器学习
2019-10-01 v1 机器学习
摘要
本文提出了一种从视频演示中学习的方法，通过使用人类反馈来构建智能体标准表示与演示视觉表示之间的映射。通过这种方式，我们利用了这两种表示的优势，即使用标准状态表示学习策略，但能够使用视频演示来指定期望行为。我们使用单次视频演示训练自主智能体，并利用人类反馈（通过数值相似度评分）以神经网络将标准表示映射到视觉表示。我们通过在 MuJoCo 中教导 hopper 智能体使用在 MuJoCo 中生成的单次视频演示以及来自真实世界 YouTube 上人物后空翻视频执行后空翻，展示了方法的有效性。此外，我们表明该方法仅需极少人类反馈即可迁移到新任务，如跳跃。
引用
@article{arxiv.1909.13392,
title = {Learning from Observations Using a Single Video Demonstration and Human Feedback},
author = {Sunil Gandhi and Tim Oates and Tinoosh Mohsenin and Nicholas Waytowich},
journal= {arXiv preprint arXiv:1909.13392},
year = {2019}
}