Apr, 2024

模仿学习：学习方法、环境和评估方法综述

PDF
TL;DR模仿学习的文献内容进行了系统回顾，通过引入新的分类法对模仿学习技术、环境和度量进行了分类，反思了文献中的主要问题，并提出了研究者面临的挑战和未来发展方向。
发现论文，激发创造
  • 模仿学习的算法视角

    本论文介绍了仿真学习的基本概念、假设、方法及其算法，探究其与机器学习、控制论等领域的关系，为机器学习专家与机器人及应用人工智能专家提供知识储备与工具。

    Nov, 2018

  • 模仿学习综述：算法、最新进展和挑战

    这篇论文旨在介绍模仿学习（IL）及其基本假设和方法，提供领域内最新进展和新兴研究的详细描述，讨论了解决模仿学习相关挑战的常见方法，并提出未来研究的潜在方向，全面指导机器人和人工智能领域中日益增长的模仿学习研究。

    Sep, 2023

  • 模仿学习的全球概述

    本文旨在为 Imitation Learning 的算法提供广泛的综述，对这些算法的主要特征进行介绍，并在性能和遗憾界限上进行比较。

    Jan, 2018

  • 从观测中学习模仿最新进展

    本文为观察式模仿学习提供了文献综述，并指出了一些开放性研究问题和未来可行性工作。

    May, 2019

  • 泛化自驾车策略的模仿学习及模拟转现实

    本文研究应用 Imitation Learning 和 transfer learning 方法解决 Duckietown 场景下的机器人车道跟踪问题，并通过 sim-to-real 方法进行实际环境迁移，最终比较了三种 Imitation Learning 方法和两种 sim-to-real 方法的优缺点。

    Jun, 2022

  • 在 Minecraft 中实现模仿学习的扩展

    本研究将模仿学习应用于 Minecraft 环境中的探索问题，通过实验调研了网络结构、损失函数和数据扩充等因素的影响，并取得了良好的表现，可以作为未来竞赛和相关研究的起点。

    Jul, 2020

  • 第三人称模仿学习

    本文提出了一种利用领域混淆技术进行无监督第三人称模仿学习的方法，证明了该方法在点质点领域、伸手领域和倒立摆等领域的第三人称模仿学习中取得成功。

    Mar, 2017

  • 一次性模仿学习

    本文旨在提出一个元学习框架，称之为一次学习，实现机器人从极少量的演示中学习，并即刻推广到相似的其他任务中。

    Mar, 2017

  • 通过隐式模仿加速强化学习

    本文提出和研究了一种隐含模仿的形式模型，通过观察导师，强化学习代理可以提取关于其自身能力和状态空间中未访问部分的相对价值的信息，并阐述了隐含模仿的好处，通过指导单个和多个导师来证明性能和收敛性有所提高。

    Jun, 2011

  • 机器人学习的高效监督：基于模仿、仿真和自适应的方法

    本研究旨在通过利用更强大的信息源和从现有数据中提取更多信息的方式，增加数据收集与维护流水线的效率，并着重解决模仿学习、领域自适应和从模拟中进行传输等三个正交方面的问题。

    Apr, 2019