时序表示对齐：后继特征实现机器人指令跟随中的涌现性组合性
机器人学
2025-02-14 v2 机器学习
摘要
有效的任务表示应促进组合性，使得在学习多种基本任务后，智能体能够仅通过组合各组成步骤的表示即可执行由多个步骤组成的复合任务。虽然这在概念上简单且富有吸引力，但如何自动学习能够实现这种组合性的表示尚不明了。我们展示，通过学习将当前状态表示与未来状态表示关联起来的时序对齐损失，可即使在缺乏显式子任务规划或强化学习的情况下，提高组合性泛化能力。在多样化的机器人操作任务以及仿真环境中进行评估，结果表明该方法对于以语言或目标图像指定的任务具有显著提升。
引用
@article{arxiv.2502.05454,
title = {Temporal Representation Alignment: Successor Features Enable Emergent Compositionality in Robot Instruction Following},
author = {Vivek Myers and Bill Chunyuan Zheng and Anca Dragan and Kuan Fang and Sergey Levine},
journal= {arXiv preprint arXiv:2502.05454},
year = {2025}
}