用于视觉与语言导航的软专家奖励学习
计算机视觉与模式识别
2020-07-22 v1
摘要
视觉与语言导航（VLN）要求智能体通过遵循自然语言指令在未知环境中找到指定地点。基于监督学习的主流方法克隆专家行为，因此在已见环境中表现更好，而在未见环境中表现受限。基于强化学习（RL）的模型展现出更好的泛化能力，但也存在问题，其中之一是需要对大量手动奖励工程。在本文中，我们引入了一种软专家奖励学习（SERL）模型，以克服 VLN 任务的奖励工程设计和泛化问题。我们提出的方法由两个互补组件组成：软专家蒸馏（SED）模块以软方式鼓励智能体尽可能表现得像专家；自感知（SP）模块旨在推动智能体尽可能快地朝向最终目的地。在经验上，我们在 VLN 的已见、未见和测试划分上评估了我们的模型，该模型在大多数评估指标上优于最先进（SOTA）方法。
引用
@article{arxiv.2007.10835,
title = {Soft Expert Reward Learning for Vision-and-Language Navigation},
author = {Hu Wang and Qi Wu and Chunhua Shen},
journal= {arXiv preprint arXiv:2007.10835},
year = {2020}
}