面向灵巧操作的仅状态模仿学习
机器人学
2021-12-30 v2 机器学习
机器学习
摘要
现代无模型强化学习方法近来在若干问题上展示了令人印象深刻的成果。然而，诸如灵巧操作等复杂领域由于高样本复杂度仍是挑战。为此，当前方法采用以状态-动作对形式的专家示范，这在从视频学习等真实世界设定中难以获取。本文中，我们迈向更现实的设定并探索仅状态模仿学习。为应对该设定，我们训练了一个逆动力学模型并用它来预测仅状态示范的动作。逆动力学模型与策略联合训练。我们的方法与状态-动作方法表现相当，且大幅优于单独 RL。由于不依赖专家动作，我们能够从具有不同动力学、形态与物体的示范中学习。视频见 https://people.eecs.berkeley.edu/~ilija/soil 。
引用
@article{arxiv.2004.04650,
title = {State-Only Imitation Learning for Dexterous Manipulation},
author = {Ilija Radosavovic and Xiaolong Wang and Lerrel Pinto and Jitendra Malik},
journal= {arXiv preprint arXiv:2004.04650},
year = {2021}
}
备注
IROS 2021