模仿學習

Accedi

本文提出了一種基於自回歸專家混合模型的模仿學習方法，該方法可以僅從狀態軌跡中學習控制策略，並通過引入李雅普諾夫穩定性約束來確保模型的穩定性，適用於多步預測任務。

本文提出了一種名為 TemporalOT 的新方法，透過將時間資訊整合到現有的基於最優傳輸 (OT) 的代理獎勵中，來解決機器人策略學習中的問題，特別是在只有少量專家示範的情況下。

本文提出了一種名為 MAAD 的新型模仿學習方法，該方法利用逆動力學模型來推斷專家行為中 plausible 的動作分佈，並透過將學習策略與該分佈對齊來提升模仿學習的效率。

本文提出了一種新的模仿學習框架 SMILING，利用擴散模型和分數匹配的優勢，解決了傳統基於對抗網路方法的不穩定性問題，並在理論和實驗上證明了其有效性。

本文提出了一種名為 KOAP 的新方法，透過結合決策擴散器和基於庫普曼算子的逆模型學習，有效地利用觀察數據來解決動作數據有限情況下的模仿學習問題。

本文提出了一種名為「從觀察中進行擴散模仿學習」（DIFO）的新型對抗性模仿學習框架，該框架利用條件擴散模型作為鑑別器，從狀態轉移序列中學習策略，並在各種連續控制任務中優於現有方法。

本文提出了一種名為 OOPS 的新型模仿學習方法，該方法利用最佳傳輸中的 Sinkhorn 距離來計算學習者軌跡與專家軌跡之間的狀態轉移距離，並將其轉化為獎勵函數，從而指導學習者在沒有明確動作標籤的情況下模仿專家行為。

從單一 gait cycle 的專家示範中學習潛在動作先驗，可以顯著提升深度強化學習在機器人模仿學習任務中的表現，包括學習速度、最終獎勵，以及遷移到不同任務的能力。

Chi Siamo

Prodotti

Risorse