基于机器人先验的无监督状态表示学习：鲁棒性基准测试

我们对世界的理解高度依赖于产生直观且简化的表示的能力，这些表示可轻易用于解决问题。我们利用神经网络复现此简化过程，从机器人获取的图像构建世界的低维状态表示。如同Jonschkowski等人2015年的工作，我们以无监督方式使用关于世界的先验知识作为称为机器人先验（robotic priors）的损失函数进行学习，并将该方法扩展至更高维更丰富的图像，以从RGB图像学习机器人手部位置的3D表示。我们提出了一种利用状态空间中最近邻对所学表示进行定量评估的方法，可评定其质量，并展示了机器人先验在真实环境中的潜力与局限。我们增大图像尺寸、添加干扰物与域随机化，这些都是实现向真实机器人迁移学习的关键组件。最后，我们还贡献了一个新的先验以提升表示的鲁棒性。此类低维状态表示的应用范围从简化强化学习（RL）与跨任务知识迁移，到利用更高效紧凑的高级表示促进从原始数据学习。结果表明，机器人先验方法能够提取如手臂3D位置的高级表示，并在具有挑战性的数据集中将其组织为紧凑且连贯的状态空间。