面向多形态控制器的探索：多样性与知识蒸馏
机器人学
2024-04-24 v1 机器学习
神经与进化计算
摘要
寻找能够在多种形态下表现良好的控制器是大规模机器人领域的重要里程碑，与近年来基础模型在其他机器学习领域的进展一致。然而，单一控制器控制多种形态的挑战使得该领域主导的'一机器人一任务'范式依然盛行。为缓解这些挑战，我们提出了一个管道：(1)利用诸如MAP-Elites等质量多样性算法，创建大量单任务/单形态教师控制器的数据集；(2)通过监督学习模拟教师控制器的感官-动作模式，将这些多样化的控制器蒸馏为单个在众多不同身体计划上均表现良好的多形态控制器。蒸馏后的控制器随教师/形态数量的增长而扩展良好，并展现出涌现特性。它以零样本方式对未见形态进行泛化，提供对形态扰动的鲁棒性和即时损伤恢复能力。最后，蒸馏后的控制器独立于教师控制器——我们可以将教师的知识蒸馏到任何控制器模型中，这使我们的做法与控制器教师的架构改进及现有训练算法相得益彰。
关键词
引用
@article{arxiv.2404.14625,
title = {Towards Multi-Morphology Controllers with Diversity and Knowledge Distillation},
author = {Alican Mertan and Nick Cheney},
journal= {arXiv preprint arXiv:2404.14625},
year = {2024}
}
备注
Accepted at the Genetic and Evolutionary Computation Conference 2024 Evolutionary Machine Learning track as a full paper