基于交互式重放的一次性强化学习用于机器人导航
人工智能
2017-11-30 v2 机器学习
机器人学
摘要
近来,无模型强化学习算法已通过对环境的大量交互学习被证明能解决具有挑战性的问题。将这一成功迁移到机器人领域的一个显著问题是:与现实世界交互代价高昂,而在有限经验上训练易于过拟合。我们提出一种在移动机器人上学习导航至固定目标且于已知环境中的方法。该机器人利用由单次环境遍历构建的交互式世界模型、预训练的视觉特征编码器以及随机环境增强,在实际世界环境变化下展示出无需微调的成功零样本迁移。
引用
@article{arxiv.1711.10137,
title = {One-Shot Reinforcement Learning for Robot Navigation with Interactive Replay},
author = {Jake Bruce and Niko Suenderhauf and Piotr Mirowski and Raia Hadsell and Michael Milford},
journal= {arXiv preprint arXiv:1711.10137},
year = {2017}
}
备注
NIPS Workshop on Acting and Interacting in the Real World: Challenges in Robot Learning