通过域自适应模仿学习动力学系统的代表性轨迹
机器学习
2023-04-21 v1 人工智能
机器人学
摘要
域自适应轨迹模仿是某些捕食者为生存而习得的一种技能，即将一个域中的动态信息（其速度与转向方向）映射到另一域（运动猎物的当前位置）。具备该技能的智能体可用于多种任务，包括一旦学会模仿代表性轨迹后识别交通中的异常运动。朝此方向，我们提出 DATI，一种基于循环一致生成对抗方法的深度强化学习智能体，专为域自适应轨迹模仿而设计。我们在多种合成参考轨迹族上的实验表明，DATI 在此设定下优于模仿学习与最优控制的基线方法，且保持相同的每任务超参数。其向真实世界场景的泛化能力通过对海上交通中异常运动模式的发现得以展示，为将深度强化学习方法用于空间无约束轨迹数据挖掘打开了大门。
引用
@article{arxiv.2304.10260,
title = {Learning Representative Trajectories of Dynamical Systems via Domain-Adaptive Imitation},
author = {Edgardo Solano-Carrillo and Jannis Stoppe},
journal= {arXiv preprint arXiv:2304.10260},
year = {2023}
}
备注
Code is available at https://github.com/DLR-MI/dati