通过对抗模仿从动作捕捉中学习人类行为
机器人学
2017-07-11 v2 机器学习
系统与控制
摘要
深度强化学习的快速进展使得训练高维人形机器人躯体的控制器日益可行。然而，使用简单奖励函数的纯强化学习方法往往产生非人类般且过度刻板化的运动行为。在这项工作中，我们扩展生成对抗模仿学习，使得能够训练通用神经网络策略，从仅由部分观测状态特征组成的有限演示中产生类人运动模式，无需动作信息，即使演示来自具有不同且未知物理参数的躯体。我们利用该方法从动作捕捉数据构建子技能策略，并展示当由高层控制器控制时它们可被复用以解决任务。
引用
@article{arxiv.1707.02201,
title = {Learning human behaviors from motion capture by adversarial imitation},
author = {Josh Merel and Yuval Tassa and Dhruva TB and Sriram Srinivasan and Jay Lemmon and Ziyu Wang and Greg Wayne and Nicolas Heess},
journal= {arXiv preprint arXiv:1707.02201},
year = {2017}
}