学会学习如何学习：基于元学习的自适应视觉导航
计算机视觉与模式识别
2019-03-28 v2 人工智能
机器学习
机器人学
摘要
学习本质上是一种连续的现象。当人类学习一项新任务时，训练与推理之间并无明确区分。在我们学习任务的过程中，会在执行任务的同时持续学习它。我们学习的内容以及学习的方式在学习的不同阶段有所变化。学会如何学习与适应是一种关键属性，使我们能够轻松泛化至新环境。这与机器学习中的常规设定形成对比，在后者中训练好的模型在推理时被冻结。本文中，我们在视觉导航背景下研究训练与测试时均学会学习的问题。导航中的一个基本挑战是对未见场景的泛化。本文提出一种自适应视觉导航方法（SAVN），其学习在没有显式监督的情况下适应新环境。我们的解决方案是一种元强化学习方法，其中智能体学习一种自监督交互损失以促进有效导航。我们在AI2-THOR框架中进行的实验表明，在 novel 场景中的视觉导航成功率与SPL均有大幅提升。我们的代码与数据可在 https://github.com/allenai/savn 获取。
引用
@article{arxiv.1812.00971,
title = {Learning to Learn How to Learn: Self-Adaptive Visual Navigation Using Meta-Learning},
author = {Mitchell Wortsman and Kiana Ehsani and Mohammad Rastegari and Ali Farhadi and Roozbeh Mottaghi},
journal= {arXiv preprint arXiv:1812.00971},
year = {2019}
}