基于元学习的单次视觉模仿学习
机器学习
2017-09-15 v1 人工智能
计算机视觉与模式识别
机器人学
摘要
为了使机器人成为能够执行广泛工作的通才，它必须能够在复杂非结构化环境中快速高效地获取多种技能。诸如深度神经网络等高容量模型能使机器人表示复杂技能，但从头学习每项技能则变得不可行。本工作中，我们提出一种元模仿学习方法，使机器人学习如何更高效地学习，从而仅从单次演示中获取新技能。与先前的单次模仿方法不同，我们的方法可扩展到原始像素输入，并且需要来自显著更少先前任务的数据以有效学习新技能。我们在模拟和真实机器人平台上的实验证明了从单次视觉演示端到端学习新任务的能力。
引用
@article{arxiv.1709.04905,
title = {One-Shot Visual Imitation Learning via Meta-Learning},
author = {Chelsea Finn and Tianhe Yu and Tianhao Zhang and Pieter Abbeel and Sergey Levine},
journal= {arXiv preprint arXiv:1709.04905},
year = {2017}
}
备注
Conference on Robot Learning, 2017 (to appear). First two authors contributed equally. Video available at https://sites.google.com/view/one-shot-imitation