基于属性航点与示范增强的一次性视觉模仿
机器人学
2023-02-10 v1 计算机视觉与模式识别
机器学习
摘要
在本文中，我们分析了现有方法的行为，并针对一次性视觉模仿问题设计了新的解决方案。在该设定下，智能体仅给定一次视觉示范，就必须解决一个新任务的新实例。我们的分析揭示，当前方法因三类错误而表现不佳：纯离线训练引发的 DAgger 问题、与物体交互时的最后一厘米误差，以及误拟合到任务上下文而非实际任务。这促使我们设计模块化方法：a) 将任务推断（做什么）与任务执行（怎么做）分离；b) 开发数据增强与生成技术以缓解误拟合。前者使我们能够利用手工设计的运动基元进行任务执行，从而规避 DAgger 问题与最后一厘米误差，而后者让模型聚焦于任务而非任务上下文。我们的模型在最近两个基准上分别取得 100% 和 48% 的成功率，相较当前最优（SOTA）分别绝对提升 90% 和 20%。
引用
@article{arxiv.2302.04856,
title = {One-shot Visual Imitation via Attributed Waypoints and Demonstration Augmentation},
author = {Matthew Chang and Saurabh Gupta},
journal= {arXiv preprint arXiv:2302.04856},
year = {2023}
}
备注
Project Page: https://matthewchang.github.io/awda_site