无额外监督的特征点学习改进基于图像的强化学习
机器学习
2022-06-07 v3 计算机视觉与模式识别
机器人学
摘要
在许多包含视觉的控制问题中，最优控制可由场景中物体的位置推断得出。该信息可用特征点表示，即输入图像的学习特征图中的空间位置列表。已有工作表明，利用无监督预训练或人类监督学习到的特征点可为控制任务提供良好的特征。本文表明，无需无监督预训练、解码器或额外损失，即可端到端地学习高效的特征点表示。我们提出的架构由一个可微分特征点提取器组成，该提取器将估计特征点的坐标直接输入软 actor-critic 智能体。所提算法在 DeepMind Control Suite 任务上取得了与最先进水平相竞争的性能。
引用
@article{arxiv.2106.07995,
title = {Learning of feature points without additional supervision improves reinforcement learning from images},
author = {Rinu Boney and Alexander Ilin and Juho Kannala},
journal= {arXiv preprint arXiv:2106.07995},
year = {2022}
}