Dec, 2023

视觉回顾自我模仿学习中的交互式导航

PDF
TL;DR通过返朔目标重新标注和自我模仿，本研究在视觉导航任务中提出一种新颖的方法，Visual Hindsight Self-Imitation Learning (VHS)，以提高样本利用效率，并通过已有的目标观察衍生出原型目标嵌入方法，在视觉和部分可观察的环境下表现出显著有效性。实验结果证实了 VHS 在交互式视觉导航任务中优越的性能和样本利用效率。
interactive visual navigation tasksself-imitation learninghindsight goal re-labelingprototypical goal embeddingsample efficiency
发现论文，激发创造
  • 基于视觉导航和语言辅助的间接干预模仿学习

    本文提出了基于视觉感知和语言引导的导航任务，通过 Imitation Learning with Indirect Intervention（I3L）的框架实现了语言引导，有效提升了成功率。

    Dec, 2018

  • 在逼真环境中学习视觉导航，无需任何监督

    提出了一种无需外部监督或奖励的新方法，通过三个阶段，学习从图像输入进行导航：学习视角的良好表示，然后使用内存进行探索，最后通过设置自己的目标来学习导航。该模型仅使用内在奖励进行培训，因此适用于任何具有图像观察的环境。通过使用 RGB 输入训练代理在具有挑战性的 Gibson 数据集的逼真环境中导航的好处。

    Apr, 2020

  • 学习如何学习：利用元学习进行自适应视觉导航

    本文探讨学习任务的连续性以及自适应性，并提出了一种元强化学习方法（SAVN），它能够在缺乏显式监督的情况下自适应地适应新环境，实验显示其在视觉导航中成功率和 SPL 指标上均有显著提高。

    Dec, 2018

  • 从 YouTube 视频中学习视觉与语言导航

    通过利用大规模的房屋导览视频数据集，本文提出了一种视觉语言导航方法，使用自动构建的路径指令对训练的代理进行预训练，并利用视频中的布局信息来提高导航的泛化性能。通过实验结果表明，该方法在两个流行的基准测试（R2R 和 REVERIE）上取得了最先进的性能。

    Jul, 2023

  • 透过事后目标生成进行探索

    本文介绍了一种基于目标导向的强化学习新算法框架 Hindsight Goal Generation，该框架通过生成有助于智能体在短期内实现的前瞻性目标以指导其在长期内实现实际目标的路径，以显著提高采样效率和处理奖励稀疏性问题。在多项机器人操作任务中，实验证明了该算法的有效性和优越性。

    Jun, 2019

  • 强化跨模态匹配和自监督模仿学习用于视觉语言导航

    本文提出 Reinforced Cross-Modal Matching 和 Self-Supervised Imitation Learning 两个方法来解决语视导航中的跨模态匹配、学习反馈以及泛化问题，并通过实验证明这两种方法较之前的方法显著提高了成功率和准确度。

    Nov, 2018

  • ViNG: 使用视觉目标学习开放世界导航

    提出了一个基于学习的导航系统，该系统应用于实际移动机器人平台，旨在使机器人通过学习来了解环境和导航便利性，以便在视觉引导下实现目标点的导航，经过实地测试和应用，该系统的表现优于其他以强化学习和搜索为基础的方法。

    Dec, 2020

  • 末端具身视觉导航

    提出了一种名为 SLING 的新方法，致力于通过使用神经描述符和简单而有效的切换来改进现有的图像目标导航系统，在图像目标导航基准测试中取得了很大的成功，从而将成功率从 45％提高到 55％。

    Nov, 2022

  • 机器人多目标强化学习中基于回顾的指令实现

    本文提出使用机器人强化学习来学习自然语言目标表示的问题。通过提出回顾指令重播机制、seq2seq 模型和基于语言的学习任务，解决了自然语言的组合性和触觉数据和行为之间的联系问题，并展示了学习性能的提高。

    Apr, 2022

  • 复合视觉运动任务的一次性分层模仿学习

    我们研究了从单个人类表演视频中学习多阶段基于视觉的任务，同时利用不同对象的子任务演示数据，学习如何从原始像素中学习基本行为并动态组合这些行为以执行多阶段任务的方法。

    Oct, 2018