Jan, 2017

基于策略相关人类反馈的交互式学习

PDF
TL;DR本文研究了利用正反馈进行与人类互动学习行为的问题，并提出了一种名为 “COACH” 的算法来解决在此过程中发现的问题，该算法能成功地在实体机器人上学习多种行为。
interactive learninghuman feedbackconvergent actor-criticpolicy-dependent feedbackrobot learning
发现论文，激发创造
  • 基于策略相关的人类反馈的深度强化学习

    本研究在 COACH 算法基础上，对代理策略表达进行了修改，运用深度神经网络实现按照高维视觉输入完成任务的学习，并通过 Minecraft 中实时人类反馈，10-15 分钟即可完成任务。

    Feb, 2019

  • 可接受性迹下的奖励、策略及优势反馈人机协同的政策梯度算法的收敛性

    本文探讨应用于人类 - 人工智能加强学习中的 COACH 算法，分析了不同类型的反馈策略对算法的影响，提出了一种收敛性更好的变种 E-COACH，并将其与其他强化学习算法进行比较。

    Sep, 2021

  • 基于实时反馈的指令跟随持续学习

    通过人机协作交互提供的实时二元反馈，用自然语言训练指令遵从代理的问题被研究。将学习作为一种上下文医师问题，将用户反馈转换为立即奖励，证明了其在提高指令执行效果方面具有优势，并且反馈信号与监督式演示数据的学习信号基本等价。

    Dec, 2022

  • 使用 Actor-Critic 强化学习训练机器人代理人时进行同时控制和人类反馈

    该研究探索一种使用人类提供的同时人类控制和反馈信号来训练一个强化学习机器人代理的方法，并旨在缩小用户控制方法和控制的机器人数量之间的差距。作者采用物理和模拟机器人系统的实验比较了在环境中获得奖励、由人类提供奖励以及这两种方法的组合下的训练表现，结果表明人类反馈可以提高代理的训练效果。

    Jun, 2016

  • 从语言反馈中学习奖励

    本研究采用自然语言反馈作为人工智能代理的学习信号，使用基于方面的情感分析将反馈分解为关于马尔可夫决策过程功能的情感。然后通过推理情感模型中的潜在奖励函数，来进行反向强化学习。实验表明本方法可以成功地从人的互动反馈中学习，并提供了关于自然语言反馈信息结构和利用它进行强化学习的方法。

    Sep, 2020

  • 基于深度神经网络的策略互动式学习与修正反馈

    用 Deep COACH 方法基于人类纠正反馈进行深度强化学习训练，不需要奖励函数，可解决复杂问题，实验证明比 DRL 更快速地成功学习连续动作空间的策略。

    Sep, 2018

  • 如果我错了请纠正我：机器人操纵的交互学习

    提出一种交互学习框架 CEILing，利用来自人类教师的纠正和评估反馈，来训练一个随机策略，从而有效地解决了机器人在视觉观测中进行复杂动作操作的问题。

    Oct, 2021

  • 基于强化学习的具身智能体通过互动与多感知模拟对人类用户进行建模

    本文研究交互式机器学习的发展和应用，探讨人类反馈对于机器人行为的影响和提高机器人性能的方法，发现人类反馈参数对于任务性能的影响很大，需要更好地了解人类反馈的潜在变量以更好地处理人机交互领域的问题。

    Jan, 2017

  • 使用远程遥操作的人在循环中模仿学习

    本文介绍使用干预性策略学习的方法来解决机器人操作任务中必须经过精确定序的地方的问题，提出一种 6 自由度机器人操作任务的数据采集系统，并开发了一个简单而有效的算法来收集新数据以遍历通过这些难点，使用干预策略学习的代理在机器人的线路穿线任务和制造咖啡任务中的表现优于其他多种基线算法。

    Dec, 2020

  • 有限反馈下交互式教授逆强化学习器

    我们研究了在顺序决策任务中通过示范进行教学的问题，特别关注教师无法访问学习者的模型和策略，仅有由教师选择的起始状态的轨迹作为反馈的情况。我们通过有限反馈的教学过程进行形式化，并提出了解决该教学问题的算法。该算法使用了改进的主动风险价值法来选择起始状态，改进的最大因果熵算法来推断策略，并使用困难度评分比方法来选择教学示范。我们在合成的汽车驾驶环境中对该算法进行了测试，并得出结论：当学习者的反馈有限时，所提出的算法是一种有效的解决方案。

    Sep, 2023