基于自监督对抗模仿未标注混合动作的多功能技能控制
机器人学
2023-02-14 v3 人工智能
机器学习
摘要
学习多样化技能是机器人领域的主要挑战之一。为此，模仿学习方法已取得令人印象深刻的成果。这些方法需要显式标注的数据集或假设一致的技能执行以实现个体行为的学习与主动控制，这限制了其适用性。本工作中，我们提出一种协作对抗方法，通过最大化未标注数据集中所含多样状态转移模式的可判别性，从中获取具有可控技能集的单一多功能策略。此外，我们展示通过在生成对抗模仿学习框架中利用无监督技能发现，可涌现新颖且有用的技能并成功完成任务。最后，所得多功能策略在名为 Solo 8 的敏捷四足机器人上测试，并实现对演示中编码的多样技能的忠实复现。
引用
@article{arxiv.2209.07899,
title = {Versatile Skill Control via Self-supervised Adversarial Imitation of Unlabeled Mixed Motions},
author = {Chenhao Li and Sebastian Blaes and Pavel Kolev and Marin Vlastelica and Jonas Frey and Georg Martius},
journal= {arXiv preprint arXiv:2209.07899},
year = {2023}
}