Triple-GAIL：一种基于生成对抗网络的多模态模仿学习框架
机器学习
2020-05-25 v2 人工智能
机器人学
机器学习
摘要
生成对抗模仿学习（GAIL）借助生成对抗网络展现出有前景的结果，尤其在机器人学习领域。然而，其对孤立单模态演示的要求限制了该方法在真实场景中的可扩展性，例如自动驾驶车辆需恰当理解人类驾驶员行为的需求。本文提出一种新颖的多模态 GAIL 框架，称为 Triple-GAIL，通过引入辅助技能选择器，能够从专家演示和出于数据增强目的持续生成的经验中联合学习技能选择与模仿。我们分别给出了生成器与选择器收敛到最优解的理论保证。在真实驾驶员轨迹与实时策略游戏数据集上的实验表明，Triple-GAIL 能更好地拟合接近演示者的多模态行为，并优于当前最优（SOTA）方法。
引用
@article{arxiv.2005.10622,
title = {Triple-GAIL: A Multi-Modal Imitation Learning Framework with Generative Adversarial Nets},
author = {Cong Fei and Bin Wang and Yuzheng Zhuang and Zongzhang Zhang and Jianye Hao and Hongbo Zhang and Xuewu Ji and Wulong Liu},
journal= {arXiv preprint arXiv:2005.10622},
year = {2020}
}
备注
7 papges, 3 figures