论三维点云强化学习的有效性
机器人学
2023-06-13 v1 人工智能
机器学习
摘要
近期关于视觉强化学习（visual RL）的研究探索了 3D 视觉表示的使用。然而，这些工作均未系统比较 3D 表示与 2D 表示在不同任务上的有效性，也未从智能体-物体／物体-物体关系推理的角度分析 3D 表示。本工作中，我们寻求回答何时以及怎样让在 3D 原生空间中学习特征的 3D 神经网络为视觉 RL 提供有益的归纳偏置这一问题。我们特别关注 3D 点云——最常见的 3D 表示形式之一。我们系统研究了 3D 点云 RL 的设计选择，从而开发出一种适用于多种机器人操纵与控制任务的鲁棒算法。此外，通过在极简合成任务与复杂机器人操纵任务上比较 2D 图像与 3D 点云 RL 方法，我们发现当智能体-物体／物体-物体关系编码为关键因素时，3D 点云 RL 可显著优于其 2D 对应方法。
引用
@article{arxiv.2306.06799,
title = {On the Efficacy of 3D Point Cloud Reinforcement Learning},
author = {Zhan Ling and Yunchao Yao and Xuanlin Li and Hao Su},
journal= {arXiv preprint arXiv:2306.06799},
year = {2023}
}