干扰控制套件——一个具有挑战性的基于像素的强化学习基准
机器人学
2021-01-11 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
机器人必须面对具有挑战性的感知环境，包括视角、光照和背景的变化。当前的模拟强化学习（RL）基准（如 DM Control）所提供的视觉输入缺乏此类复杂性，这限制了表现良好的方法向真实世界的迁移。本文中，我们为 DM Control 扩展三类视觉干扰（背景、颜色和相机位姿的变化），以产生一个基于视觉控制的新的具有挑战性的基准，并在这些设置下分析了最先进的 RL 算法。我们的实验表明，当前用于基于视觉控制的 RL 方法在干扰下表现不佳，且其性能随干扰复杂度的增加而下降，表明需要新方法以应对真实世界的视觉复杂性。我们还发现，多种干扰类型的组合比其各自效应的简单叠加更为困难。
引用
@article{arxiv.2101.02722,
title = {The Distracting Control Suite -- A Challenging Benchmark for Reinforcement Learning from Pixels},
author = {Austin Stone and Oscar Ramirez and Kurt Konolige and Rico Jonschkowski},
journal= {arXiv preprint arXiv:2101.02722},
year = {2021}
}
备注
Code available at https://github.com/google-research/google-research/tree/master/distracting_control