One-Shot Imitation Learning

最新推荐文章于 2024-09-24 10:44:25 发布
原创 最新推荐文章于 2024-09-24 10:44:25 发布 · 1k 阅读 · 15 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #人工智能 #算法 #机器学习

发表时间：NIPS2017

论文链接：https://readpaper.com/pdf-annotate/note?pdfId=4557560538297540609&noteId=2424799047081637376

作者单位：Berkeley AI Research Lab, Work done while at OpenAI Yan Duan†§ , Marcin Andrychowicz ‡ , Bradly Stadie†‡ , Jonathan Ho†§ , Jonas Schneider‡ , Ilya Sutskever‡ , Pieter Abbeel†§ , Wojciech Zaremba‡

Motivation：模仿学习通常用于孤立地解决不同的任务。这通常需要仔细的特征工程，或者需要大量的样本。这远非我们希望：理想情况下，机器人应该能够从任何给定任务的极少数演示中学习，并立即推广到同一任务的新情况，而不需要特定于任务的工程。

  • （a）之前的方法都是针对特定的方法有不同的policy.

  • （b）本文想学习一个通用的policy，并通过当前任务的single demonstration，适用于不同的任务。

  • （c）训练的时候是使用的同一任务的两个demonstration，先学一个，然后再去预测第二个demonstration的action，利用第二个demonstration的action的ground truth去进行有监督的学习（即元学习训练方法）

解决方法：在本文中，我们提出

最低0.47元/天 解锁文章

200万优质内容无限畅学
《One-Shot Imitation Learning》阅读笔记
CcIsHandsome的博客
07-11 1663
《One-Shot Imitation Learning》阅读笔记 题目暂且翻译为《少量样本模仿学习》 原文链接百度云 提取码：hxf8 Abstract 模仿学习已经广泛的应用于许多场景，但是这需要做特征工程或者需要大量的训练样本。但是这与实际需求是不相符合的。真正的机器人因该能够在任何任务中给出少量的示范例子，就能够快速泛化到新的场景，处理相同的任务，而不需要在做具体的任务工程。在这篇文章中...
One-Shot Imitation Learning with Invariance Matching for Robotic Manipulation
s_m_c的博客
09-05 796
接下来，我们在每个支持场景 si 内应用图自注意力，并在相同的支持演示中对连续帧 si 和 s′i 的 KNN 图之间进行交叉注意。IMOP不是直接学习所需的末端执行器的姿态，而是学习每个任务的关键不变区域，并在one-shot demonstration和给定的测试场景中找到不变区域之间的成对对应关系。对于每个新任务，只有一个记录的轨迹作为演示给出。提出了一种基于对应的操作任务姿态回归方法，该方法通过匹配关键视觉元素来预测机器人的动作，在KNN图上连接演示和测试场景的基于图的不变区域匹配网络。
模仿学习论文　One-Shot Imitation Learning .Yan Duan
11-25
One-Shot Imitation Learning Yan Duan , Marcin Andrychowicz , Bradly Stadie , Jonathan Ho , Jonas Schneider , Ilya Sutskever , Pieter Abbeel , Wojciech Zaremba
【论文翻译】One-Shot Imitation from Observing Humans via Domain-Adaptive Meta-Learning
weixin_40523230的博客
12-14 1525
1. Introduction 人类和动物仅仅通过观察别人就能掌握行为的要点，并且能够对形态，背景，和任务细节的变化相当鲁棒。并且人类需要非常少量的示范就可以学会。机器如何获取这种能力？ 解决“基于视觉输入的skill学习”有两个问题：（1）人类示范和机器人之间的“外貌和行为差异”引入了一个“系统域唯一的问题”，即对应问题。（2）从视觉输入进行学习需要大量的数据。本文中，我们使用met...
翻译：One-shot Imitation Learning
penge666的博客
02-08 1475
【论文翻译】One-Shot Imitation Learning
weixin_40523230的博客
12-12 995
这篇论文看的想爆炸了。。context network实在是看不懂。。。。写了一半暂时放弃，有缘再回来继续嚼 Abstract 理想的情况是：agent可以从“关于给定任务的少量demonstration”中进行学习，并且泛化到相同任务的新情况，并且不需要特殊的工程。假设有一个任务集合（用桌上的木块搭建一个塔/用桌上的木块搭建两个塔），每个任务有许多实例（不同的实例意味着：木块具有不同的...
Continuous Relaxation of Symbolic Planner for One-Shot Imitation Learning: 利用符号规划问题的单样本模仿学习
weixin_40042498的博客
03-18 583
摘要 Abstract 研究内容: 一次性模仿学习 目标: 基于单个演示来执行之前未见过的任务 过去研究优点: 模仿学习效果很好 过去研究不足: 大多数方法需要几百个元训练任务，限制了方法的可扩展性 创新工作: 将一次性模仿学习作为一个伴有符号基础问题的符号规划问题 创新意义: 这种形式将策略执行与任务间的泛化分离开来，从而提高数据效率 创新难点: 关键挑战是符号基础在训练数据有限的情况下容易出错，导致后续的符号规划失败 难点解决方式: 通过提出一个离散符号规划者的连续松弛解
One-Shot Imitation from Observing Humans via Domain-Adaptive Meta-Learning
s_m_c的博客
09-05 968
元测试阶段的任务和元训练阶段是类似的。符合元训练和元测试的基本的数学原理：在元训练期间，观察 ot 和 at 的动作，我们的方法学习 θ 和 Ψ。在元测试期间，只有观察结果可用，我们的方法结合学习到的先验 θ 和因子 Ψ 来推断特定于任务的策略参数 φ。与依赖精确手部检测和预先构建的视觉系统的方法相比，我们的方法是端到端训练的，：在这项工作中，我们提出了一种通过使用来自各种先前任务的人类和机器人演示数据从人类视频中一次性学习的方法，，把人类的演示作为支持集，机械臂的观察作为查询集，进行元学习的训练和测试。
One-Shot Visual Imitation Learning via Meta-Learning
Hazekiah的博客
11-25 985
Introduction The goal of this work is to enable a robotic generalist to only learn from very few demonstrations, which may even be raw videos. This problem setting instantly brings us into the setting...
论文阅读笔记《One-Shot Imitation Learning》
深视
05-09 1187
基本思想   模仿学习，顾名思义就是机器人通过模仿示教动作（Demonstration）从而学会完成某项任务的过程，这里包含几个重要的概念：状态（State，StS_tSt​），动作（Action，AtA_tAt​），示教动作（Demo）和策略（表现为神经网络的参数θ\thetaθ），模仿学习就要利用神经网络实现根据当前的状态，示教动作和学习策略得到要执行的动作，At=f(St,Demo,θ)A_t=f(S_t,Demo,\theta)At​=f(St​,Demo,θ)。通常机器人需要观察大量的示教动作，进
论文阅读笔记《One-Shot Imitation from Observing Humans via Domain-Adaptive Meta-Learning》
深视
05-12 867
核心思想   经过多篇文章的铺垫，小样本模仿学习终于走到了最后一步，通过观察一次人类完成某个新任务的示教动作，机器人就可以学会该任务。完成这一艰巨的任务面临两大困难：人类示教动作相比于机器人存在外表和形态学上的变化，即存在一致性问题；其次，从原始的视觉输入中学习需要依赖大量的数据，通常需要用成千上万张图像进行训练。而本文采取了一种领域自适应的元学习算法（Domain-Adaptive Meta-Learning）解决了这两大难题。   作者首先还是回顾了一下MAML算法，并且将内层次训练的损失函数成为自适应
android one机器人,让机器人看一眼就能模仿：One-Shot模仿学习发展情况
weixin_39849930的博客
06-03 186
在机器人的动作学习，传统的方法基于任务训练强化学习(reinforcement learning)的策略，即针对每一个成功完成的任务的动作序列，训练得到一条策略。或者在该基础上，当奖励讯号稀疏出现时，利用各种技术完成各项模仿学习 (imitation learning)。但模仿学习的问题是，它的各种任务是独立的。例如，通过训练一个模仿学习算法(神经网络)能够得到一个关于如何将块堆叠到高度为 3 的...
One-shot Learning
Touch_Dream的博客
09-03 1万+
背景主要研究的是网络少样本精准分类问题，单样本学习能力！很明显，机器学习系统很希望拥有这种快速从少量样本中去学习的能力，因为收集和标记数据是一个耗时费力的工作。而且，我认为这是通往通用人工智能的漫漫长路中很重要的一步。主要的研究就是单样本多类别问题，一个样本多个label，也就是弱监督！Baseline：近邻最简单的分类方式是使用k-近邻，KNN方法，但是因为每个类别只有一个样本，所以我们需要用1近
imitation learning 前沿论文
德米安
03-06 2215
1 前言 在上一篇文章最前沿：机器人学习Robot Learning的发展 - 知乎专栏 中，我们介绍了机器人学习Robot Learning这个方向的发展趋势，并介绍了部分基于DRL的方法，那么在本文，我们将继续介绍一下最近发展起来的机器人学习的一个重要分支------模仿学习Imitation Learning。通过深度增强学习Deep Reinforcement Learning，我们可以...
强化学习 模仿学习 于robot
penkgao的博客
11-01 1万+
写在前面： 分享知识是再好不过的事情。这篇文章主要是总结自己最近看的一些文章以及相关知识。自己在暑假实习的时候学习的就是在物理仿真平台上做robot的强化学习，未来读PhD的时候也被老师继续分配到了这个方向，哈哈。可能要一直从入门到入土了，趁着最近写research proposal的时候，将最近的理解记录一下。鉴于笔者知识水平有限，若有不妥当之处，还请指出。 摘要：robot 强化学习 模仿学...
Zero-shot、One-shot、Few-shot 三种学习方法的理解
最新发布
liguiyuan的博客
09-24 5455
在AI模型学习方法中，Zero-shot、One-shot、Few-shot 学习是处理情形的几种重要方法，主要用于解决训练数据少、导致模型泛化能力差的问题。
机器人学习Robot Learning之模仿学习Imitation Learning的发展
08-17 9586
1 前言 在上一篇文章最前沿：机器人学习Robot Learning的发展 - 知乎专栏 中，我们介绍了机器人学习Robot Learning这个方向的发展趋势，并介绍了部分基于DRL的方法，那么在本文，我们将继续介绍一下最近发展起来的机器人学习的一个重要分支------模仿学习Imitation Learning。通过深度增强学习Deep Reinforcement Learning，
【平价数据】One Shot Learning
热门推荐
shenxiaolu1984的专栏
11-12 1万+
简介DeepMind解决小样本学习问题的文章：Matching Networks for One Shot Learning
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Ming_Chs

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值