SAFARI：基于想象的安全主动机器人模仿学习
机器人学
2020-11-20 v1 机器学习
摘要
模仿学习中的主要问题之一是，当智能体面临专家所给演示集合未覆盖的分布外情形时，会出现错误行为。本工作中，我们通过提出一种新颖的主动学习与控制算法 SAFARI 来解决该问题。在训练期间，当遇到这些分布外情形时，它允许智能体请求进一步的人类演示。在部署时，它将基于行为克隆的无模型动作与基于模型的规划相结合，以未来状态重建作为状态熟悉度测试，从而减少状态分布偏移。我们通过实验证明，该方法通过在测试时收集更具信息量的演示并最小化状态分布偏移，在一系列操作任务上相对于被动模仿学习提升了性能。我们还展示了该方法如何使智能体自主地快速且安全地预测失败。
引用
@article{arxiv.2011.09586,
title = {SAFARI: Safe and Active Robot Imitation Learning with Imagination},
author = {Norman Di Palo and Edward Johns},
journal= {arXiv preprint arXiv:2011.09586},
year = {2020}
}