通过戳刺学习戳刺：直觉物理的体验式学习
计算机视觉与模式识别
2017-02-17 v2 人工智能
机器人学
摘要
我们研究一种用于获取直觉物理内部模型的体验式学习范式。我们的模型在一个真实世界的机器人操作任务上进行评估，该任务需要通过戳刺将物体移动到目标位置。机器人通过对不同物体执行超过 10 万次戳刺，收集了超过 400 小时的经验。我们提出一种基于深度神经网络的新方法，通过联合估计动力学的前向和逆向模型，直接从图像中建模机器人交互的动力学。逆向模型目标提供监督以构建信息丰富的视觉特征，前向模型随后可以预测这些特征，并反过来为逆向模型正则化特征空间。这两个目标之间的相互作用创建了有用且准确的模型，然后可用于多步决策。该公式的额外好处是可以在抽象特征空间中学习前向模型，从而减轻预测像素的需求。我们的实验表明，这种联合建模方法优于替代方法。
引用
@article{arxiv.1606.07419,
title = {Learning to Poke by Poking: Experiential Learning of Intuitive Physics},
author = {Pulkit Agrawal and Ashvin Nair and Pieter Abbeel and Jitendra Malik and Sergey Levine},
journal= {arXiv preprint arXiv:1606.07419},
year = {2017}
}