通过辅助视频中的动作定位从观测中实现多步任务的一次性学习

由于繁重的数据需求，示教学习往往未能实现其让用户快速自然地编程机器人的承诺。示教 inherently 模糊且不完整，若无大量不同条件下的示教，难以正确泛化至未见情形。相比之下，人类常能利用一生所习得的上下文，从单次示教（通常为无动作标签的观测）中学习复杂任务。受此能力启发，我们的目标是使机器人利用辅助视频数据作为上下文，从观测中实现多步任务的一次性学习。我们的主要贡献是一个实现该目标的新颖系统，其通过以下方式达成：(1) 使用单次用户分割的示教来定义构成任务的基元动作；(2) 通过基于元学习的方法在未分割的辅助视频中定位这些动作的额外示例；(3) 利用这些额外示例为每个动作学习奖励函数；(4) 在推断出的奖励函数之上执行强化学习以学习可组合完成任务的动作策略。我们通过实证证明，当提供辅助视频时机器人能更有效地学习多步任务，且相较于从未分割视频中学习，对单个动作进行定位可大幅改善性能。