时间动态交互的鲁棒无监督学习
机器学习
2020-06-19 v1 多智能体系统
机器人学
应用统计
机器学习
摘要
时间动态交互的鲁棒表示学习是机器人学习尤其是自动化无监督学习中的一个重要问题。时间动态交互可由合适空间中的（多条）几何轨迹描述，在其上可应用无监督学习技术从原始高维数据测量中提取有用特征。采取一种针对时间动态交互鲁棒表示学习的几何方法，有必要发展合适的度量以及系统性的方法论，用于比较并评估无监督学习方法相对于其调参的稳定性。此类度量必须考虑物理世界中的（几何）约束以及所学模式相关的不确定性。在本文中，我们引入一种基于 Procrustes 距离的无模型度量用于交互的鲁棒表示学习，以及一种基于最优传输的距离度量用于比较交互基元分布之间的差异。这些距离度量可作为评估交互学习算法稳定性的目标。它们也用于比较不同算法产生的输出。此外，它们也可被采纳为目标函数以获得聚类及代表性交互基元。这些概念与技术将连同其数学性质一并介绍，而其效用将通过从 Safety Pilot 数据库（全球最大的网联车数据库）提取的车对车交互无监督学习来展示。
引用
@article{arxiv.2006.10241,
title = {Robust Unsupervised Learning of Temporal Dynamic Interactions},
author = {Aritra Guha and Rayleigh Lei and Jiacheng Zhu and XuanLong Nguyen and Ding Zhao},
journal= {arXiv preprint arXiv:2006.10241},
year = {2020}
}