PRIME：利用行为原语构建数据高效模仿学习的操作任务支架
机器人学
2024-08-20 v3 人工智能
机器学习
摘要
模仿学习在使机器人获取复杂操作行为方面显示出巨大潜力。然而，这些算法在长视野任务中受困于高样本复杂度，误差会在任务视野内累积。我们提出了 PRIME（PRimitive-based IMitation with data Efficiency），这是一种基于行为原语的框架，旨在提高模仿学习的数据效率。PRIME 通过将任务演示分解为原语序列来构建机器人任务支架，随后通过模仿学习学习一个对原语进行排序的高层控制策略。我们的实验表明，PRIME 在多阶段操作任务中实现了显著的性能提升，在仿真中的成功率比最先进基线高出 10-34%，在物理硬件上高出 20-48%。
引用
@article{arxiv.2403.00929,
title = {PRIME: Scaffolding Manipulation Tasks with Behavior Primitives for Data-Efficient Imitation Learning},
author = {Tian Gao and Soroush Nasiriany and Huihan Liu and Quantao Yang and Yuke Zhu},
journal= {arXiv preprint arXiv:2403.00929},
year = {2024}
}