基于注意力分支微调的Deep Q-Network机器人导航视觉解释
机器人学
2022-08-19 v1
摘要
基于深度强化学习(RL)的机器人导航取得了更高性能，并在复杂环境下表现良好。同时，深度 RL 模型决策过程的可解释性成为自主机器人安全性与可靠性提升的关键问题。本文提出一种基于注意力分支的深度 RL 模型视觉解释方法。我们将注意力分支与预训练深度 RL 模型连接，并以有监督学习方式使用训练好的深度 RL 模型所选动作作为正确标签来训练注意力分支。由于注意力分支被训练为输出与深度 RL 模型相同的结果，所获得的注意力图对应于具有更高可解释性的智能体动作。机器人导航任务的实验结果表明，所提方法能够生成可解释的注意力图用于视觉解释。
引用
@article{arxiv.2208.08613,
title = {Visual Explanation of Deep Q-Network for Robot Navigation by Fine-tuning Attention Branch},
author = {Yuya Maruyama and Hiroshi Fukui and Tsubasa Hirakawa and Takayoshi Yamashita and Hironobu Fujiyoshi and Komei Sugiura},
journal= {arXiv preprint arXiv:2208.08613},
year = {2022}
}
备注
8 pages, 8 figures, 1 table