NewtonianVAE：基于物理潜空间从像素实现比例控制与目标辨识
机器学习
2021-04-28 v2 计算机视觉与模式识别
机器学习
摘要
学习低维潜状态空间动力学模型已成为实现基于视觉的规划与控制学习的有力范式。我们引入一种潜动力学学习框架，其独特设计用于在潜空间中诱导比例可控性（proportional controlability），从而能够使用比先前工作简单得多的控制器。我们表明，我们所学习的动力学模型能够从像素实现比例控制，大幅简化并加速基于视觉的控制器的行为克隆，并且在应用于从演示中模仿学习切换控制器时提供可解释的目标发现。
引用
@article{arxiv.2006.01959,
title = {NewtonianVAE: Proportional Control and Goal Identification from Pixels via Physical Latent Spaces},
author = {Miguel Jaques and Michael Burke and Timothy Hospedales},
journal= {arXiv preprint arXiv:2006.01959},
year = {2021}
}