潜在动作政策的可识别性
机器学习
2025-10-03 v1 机器学习
摘要
我们研究潜在动作政策学习（LAPO）的可识别性，这是一种近期引入的用于从视频数据中发现动作表示的框架。我们正式描述了此类表示的理想属性、统计优势以及潜在的不可识别性来源。最终，我们证明了一个熵正则化的LAPO目标在满足适当条件的情况下，能够识别满足我们理想属性的动作表示。我们的分析为为何离散动作表示在实际中表现良好提供了解释。
引用
@article{arxiv.2510.01337,
title = {On the Identifiability of Latent Action Policies},
author = {Sébastien Lachapelle},
journal= {arXiv preprint arXiv:2510.01337},
year = {2025}
}
备注
10 pages