SeMAIL：通过分离模型消除视觉模仿中的干扰因素
机器学习
2023-06-21 v1 人工智能
计算机视觉与模式识别
摘要
基于模型的模仿学习（MBIL）是一种流行的强化学习方法，可提高在高维输入源（如图像和视频）上的样本效率。遵循 MBIL 研究的惯例，现有算法极易被任务无关信息（尤其是视频中移动的干扰因素）所欺骗。为解决此问题，我们提出一种新算法——分离式基于模型的对抗模仿学习（SeMAIL）——通过由智能体动作决定的任务相关依赖性，将环境动态解耦为两部分并分别训练。如此，智能体可在任务相关状态空间中想象其轨迹并高效地模仿专家行为。我们的方法在具有复杂观测的各种视觉控制任务以及比专家观测背景不同的更具挑战性任务上达到了接近专家的性能。
引用
@article{arxiv.2306.10695,
title = {SeMAIL: Eliminating Distractors in Visual Imitation via Separated Models},
author = {Shenghua Wan and Yucen Wang and Minghao Shao and Ruying Chen and De-Chuan Zhan},
journal= {arXiv preprint arXiv:2306.10695},
year = {2023}
}
备注
18 pages, 7 figures