Nov, 2018
Grasp2Vec: 自监督抓取中学习物体表示
Grasp2Vec: Learning Object Representations from Self-Supervised Grasping
Eric Jang, Coline Devin, Vincent Vanhoucke, Sergey Levine
TL;DR本文探讨了如何通过自主机器人与环境进行交互，获得适用于机器人操纵任务的有效物体中心表示，无需人为标注。基于对象持久性的表示学习方法能够随着机器人收集更多经验，不断改进表示，从而可以在无需人为干预的情况下扩展规模。我们的实验表明，这种自我监督方法显着优于直接从图像进行强化学习和先前的表示学习方法。