Representation + IL: Policy Contrastive Imitation Learning

最新推荐文章于 2025-11-24 15:27:16 发布
原创 最新推荐文章于 2025-11-24 15:27:16 发布 · 254 阅读 · 2 ·
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：

#算法 #人工智能 #机器学习

ICML 2023
paper
采用对比学习对状态动作联合表征，并基于表征函数实现奖励函数重构

method

对比学习目标函数如下：
在这里插入图片描述
问题：最小化该损失函数，第一项少了一个负号

得到表征函数 Φ \Phi Φ，通过计算真是样本与专家样本在表征后的余弦相似度，作为奖励函数（表征越相似，奖励越大）：
在这里插入图片描述
实践中，由于 Φ 频繁更新，计算期望值可能会很耗时。因此使用随机专家样本来计算奖励。最后基于DrQ-v2算法训练策略

结果

在这里插入图片描述

基于表征的奖励函数对比GAIL：
在这里插入图片描述

CLEAR: Contrastive Learning for Sentence Representation
Young, Simple, Naive
06-25 824
数据增强+对比学习+MLM
(CVPR2021) Video MoCo: Contrastive Video Representation Learning with Temporally Adversarial Example
wenniebear的博客
08-16 1059
使用对抗的方法，引入了对于robust的正样本，具体方式为使用lstm随机drop掉video clip中的一些帧，同时由于负样本的队列中，越早进入的样本与正样本的差距越大，故给队列中的负样本一个权重系数(小于1)，越新的样本权重越大。 损失函数： 生成器： 判别器: 实验结果： 结论： ...
VLA之外，具身+VA工作汇总
CV_Autobot的博客
07-15 254
前面一直分享VLA相关工作，这里也为大家汇总下具身+VA相关的工作（ Vision + Action），涉及机器人操作、DP、全身控制、One-Shot 、sim2real、端到端等；内容出自具身智能之心知识星球！更多干货，欢迎加入国内首个具身智能全栈学习社区。这里包含所有你想要的。
让VLM充当机器的指路人——VLM规划下加约束：从SayCan、VoxPoser到ViLA、CoPa、ReKep
结构之法 算法之道
03-17 1万+
Figure 的创始人 Brett Adcock 和 AI 团队的负责人 Corey Lynch 在 X 上解释了此次视频中机器人互动背后的原理此次的突破，由 OpenAI 与 Figure 共同做出。OpenAI 提供负责提供视觉推理和语言理解，而 Figure 的神经网络提供快速、低水平、灵巧的机器人动作机器人所做出的所有行为都是出于已经学习过，内化了的能力，而不是来自远程操作，具体则如下Figure 的机载摄像头以 10hz 的频率拍摄图像。
ICCV2019论文题目中文列表
qq_33581906的博客
11-18 8286
英文题目 中文题目 FaceForensics++: Learning to Detect Manipulated Facial Images FaceForensics++：学习检测操纵的面部图像 DeepVCP: An End-to-End Deep Neural Network for Point Cloud Registration DeepV...
顶会速递 | ICLR 2020录用论文全集
语言智能技术笔记簿
03-10 1万+
由深度学习三巨头Yoshua Bengio和Yann LeCun牵头创办的人工智能顶会ICLR今年最终收到2594篇投稿，共687篇论文被接收，其中48篇orals，108篇spotlights，531篇posters，录取率为26.5%，相比去年的31.4%略有下降。华人学者占比为47%。这篇博客为大家列出全部录用的论文列表，方便大家自取。
转载：CVPR 2019 论文汇总（按方向划分，0611 更新中）
yasir9527的专栏
07-26 1万+
原贴地址：http://bbs.cvmart.net/topics/302/cvpr2019paper#12 作为计算机视觉领域三大顶会之一，CVPR2019（2019.6.16-6.19在美国洛杉矶举办）被CVers 重点关注。目前CVPR 2019 接收结果已经出来啦，相关报道：1300篇！CVPR2019接收结果公布，你中了吗？ cvpr2019 accepted papers...
2020年 ICLR 国际会议最终接受论文(poster-paper)列表(四)
yinizhilianlove的博客
02-21 2万+
来源：AINLPer微信公众号（点击了解一下吧） 编辑: ShuYini 校稿: ShuYini 时间: 2020-02-21     2020年的ICLR会议将于今年的4月26日-4月30日在Millennium Hall, Addis Ababa ETHIOPIA（埃塞俄比亚首都亚的斯亚贝巴 千禧大厅）举行。     2020年ICLR会议（Eighth International Con...
CVPR2019目标检测
热门推荐
子小程
08-25 7万+
作为计算机视觉领域三大顶会之一，CVPR2019（2019.6.16-6.19在美国洛杉矶举办）被CVers 重点关注。...
2020年 ICLR 国际会议最终接受论文(poster-paper)列表(三)
yinizhilianlove的博客
02-21 4万+
来源：AINLPer微信公众号（点击了解一下吧） 编辑: ShuYini 校稿: ShuYini 时间: 2020-02-21     2020年的ICLR会议将于今年的4月26日-4月30日在Millennium Hall, Addis Ababa ETHIOPIA（埃塞俄比亚首都亚的斯亚贝巴 千禧大厅）举行。     2020年ICLR会议（Eighth International Con...
NIPS 2018 paper list（论文列表）
人工智能技术学习与分享
12-03 1万+
Efficient Algorithms for Non-convex Isotonic Regression through Submodular Optimization Francis Bach Structure-Aware Convolutional Neural Networks Jianlong Chang, Jie Gu, Lingfeng Wang, GAOFENG MENG, ...
DCRec：Debiased Contrastive Learning for Sequential Recommendation
Guozyan的博客
06-11 1396
目前的顺序推荐系统被提出来解决动态用户偏好学习的各种神经技术，如Transformer和图神经网络（GNNs）。然而，从高度稀疏的用户行为数据的推断可能阻碍顺序模式编码的表示能力。为了解决标签短缺问题，最近提出了对比学习（CL）方法以两种方式执行数据增强：（i）随机破坏序列数据（例如，随机掩蔽、重新排序）;（ii）跨预定义的对比视图对齐表示。在解决流行的偏见和用户的一致性和真实的兴趣时，CL为基础的方法有局限性。本文模型：统一的顺序模式编码与全局协作关系建模，通过自适应一致性感知增强。
对比学习综述：Contrastive Representation Learning: A Framework and Review（2020）论文地址附文末↓
zero_ling
10-08 4028
本文主要概括了20年这篇对比学习综述所讲的几个方面：对比表示学习的概念及示例，对比学习中的分类【对比表示学习框架、相似性分类（多感官信号、数据变换、上下文实例关系、序列一致性、自然聚类）、编码器分类、变换头transform heads分类、对比损失函数分类（评分函数、基于能量的利益损失、基于概率的损失、基于互信息的损失）】，在视觉任务中的应用，作者提出的一些讨论
【层级多标签文本分类】Incorporating Hierarchy into Text Encoder: a Contrastive Learning Approach for Hierarchic
wuli_乖
08-26 2908
层次文本分类是多标签分类的一个极具挑战性的子任务，因为它的标签层次结构复杂。现有方法分别对文本和标签层次进行编码，并混合它们的表示用于分类，其中所有输入文本的层次保持不变。在本工作中，我们提出了层次制导的对比学习(HGCLR)来直接将层次结构嵌入到文本编码器中，而不是分别对它们进行建模。在训练过程中，HGCLR在标签层次的指导下为输入文本构造正样本。通过将输入文本及其正样本放在一起，文本编码器可以学习独立地生成分层感知的文本表示。因此，经过训练后，HGCLR增强型文本编码器可以省去冗余层次结构。在三个基准数
C++ 字符串 模拟 力扣 14. 最长公共前缀 每日一题 题解
Q741_147的博客
11-23 696
本文围绕LeetCode 14“最长公共前缀”这一字符串经典入门题展开，解析其作为面试高频题的核心价值——夯实模拟思维、边界处理与代码优化能力。文章详细阐述横向遍历（两两对比）与纵向遍历（逐位验证）两种核心算法原理，提供完整可运行的C++代码，拆解关键细节与易错点，并进行复杂度分析。同时总结解题核心考点、思路迁移方向及常见错误，帮助读者不仅掌握本题解法，更能提升字符串处理能力，为后续复杂题型奠定基础，兼具入门指导与面试备考价值。
代码随想录 63.不同路径Ⅱ
最新发布
m0_63814538的博客
11-24 467
4.确定遍历顺序：从递归公式可以看出一定是从左到右一层一层的遍历，这样保证推导dp[i][j]的时候，dp[i - 1][j]和dp[i][j - 1]一定是有数值的。所以本题的初始化代码如下所示：一旦遇到obstacleGrid[i][0] == 1的情况就停止dp[i][0]的赋值1的操作，dp[0][j]同理。1.确定dp数组（dp table）及其下标的含义：dp[i][j]表示从（0，0）出发，到（i，j）有dp[i][j]条不同的路径。下标（0，j）的初始化情况同理。
算法：二叉搜索树的最近公共祖先
czlczl20020925的博客
11-24 516
下面是详细的解释，说明为什么这是必然的。对于我们当前所在的任何节点。
DeepSeek Java 插入排序实现
m0_37843156的博客
11-23 339
以下是插入排序在 Java 中的完整实现，包含多种写法和详细注释。这个实现包含了插入排序的各种变体，可以根据具体需求选择合适的版本。稳定性： 稳定 - 相等元素的相对位置不变。空间复杂度： O(1) - 原地排序。· 最优情况（已排序）：O(n)· 最差情况（逆序）：O(n²)完整实现（带详细注释和测试）· 作为更复杂算法的子过程。· 平均情况：O(n²)Java 插入排序实现。
P1522 [USACO2.4] 牛的旅行 Cow Tours(连通块+Floyd）
2302_79372568的博客
11-22 96
思路：先用dfs标记一下每个点在哪个连通块，然后求出每个连通块内每个点的最大最短路，求任意两点之间的距离＋数据范围，我们可以知道这道题要使用Floyd进行求解，求到了任意两点之间的距离后，我们就可以求出每个点到所在连通块其他点的最短路中的最大值，然后再从同一连通块的所有点的最大值中选出最大值，就是连通块的直径了。题目大意：给你n个坐标点（x,y)，再给一个n*n的矩阵，代表两点之间的连边关系，连边之后会构成若干个连通块，定义连通块的直径为最远的两个点的距离（距离指的是两点间最短路径的长度）。
A+ 1.How+does+it+called:+representation+of+information+about+things?+ How+many+data+types+intended
12-12
根据提供的引用内容，A+是一种编程语言，它支持标量、列表、字典和表格等多种数据类型。A+中的单调和函数可以对这些数据类型进行操作，例如计算它们的算术和。此外，A+还支持浮点数比较，使用乘法容差来确保算术运算...
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
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