从演示中学习参数化技能

我们提出DEPS，一个用于从专家演示中发现参数化技能的端到端算法。该方法联合学习参数化技能策略，以及在每个时间步选择 appropriate 离散技能和连续参数的元策略。通过结合时间变分推断和信息论正则化方法，我们解决了潜在变量模型中常见的退化问题，确保所学技能具有时延性、语义意义并具可适应性。我们实证表明，从多任务专家演示中学习参数化技能可显著提高对未见任务的泛化能力。该方法在LIBERO和MetaWorld基准测试中超越了多任务方法和技能学习基线。我们还展示DEPS发现可解释的参数化技能，例如一种对象抓取技能，其连续参数定义抓取位置。