May, 2023
Robust Imitation by Return-to-Distribution Planning
Get Back Here: Robust Imitation by Return-to-Distribution Planning
TL;DR本文介绍一种与专家数据收集环境不同的Imitation Learning(模仿学习)方法,该方法结合行为克隆和计划策略,通过将代理人带回专家访问的状态解决数据分布漂移问题,以提高性能。作者将这一算法命名为POIR,并在实际的机器人操作模拟器中进行了多种实验测试,并表明该学习策略对于不同的初始状态分布和嘈杂的动态具有很好的鲁棒性。