在仿真中学习学习
人工智能
2019-02-06 v1 机器人学
摘要
深度学习通常需要人工收集和标注训练集。在机器人平台上，我们能否通过训练机器人变得好奇（即在环境中主动寻找有益的训练信息）来部分自动化此任务？在这项工作中，我们探讨了好奇心问题，涉及无人机上目标检测算法的在线、实时、人在回路训练，其中运动被约束在二维。我们使用 3D 仿真环境和深度强化学习来训练一个好奇心智能体，进而训练目标检测模型。该智能体可具有两个冲突目标之一：尽可能快地训练，或以最少人类输入进行训练。我们概述了一种奖励函数，使好奇心智能体能够学习这两个目标中的任意一个，同时考虑其预期运行的无人机平台的一些物理特性。此外，我们展示了可通过调整奖励函数中的一个参数来权衡实现这些目标的重要性。
引用
@article{arxiv.1902.01569,
title = {Learning to Learn in Simulation},
author = {Ervin Teng and Bob Iannucci},
journal= {arXiv preprint arXiv:1902.01569},
year = {2019}
}
备注
AAAI-19 Workshop on Games and Simulations for Artificial Intelligence