human demonstrations | BriefGPT

关键词human demonstrations

搜索结果 - 21

超越查询：通过强化学习训练更小的语言模型进行网络交互
针对传统搜索系统在产品搜索等场景中面临的挑战，本研究介绍了一种用于智能网页交互的基于语言模型和强化学习的框架，名为 GLAINTEL。GLAINTEL 通过引入基于 transformer 模型的 Flan-T5 架构，结合语言建模和价值评
PDF3 months ago
MimicGen：一个用于可扩展机器人学习的数据生成系统，利用人类演示
利用少量人类示范，通过适应它们到新场景的方式，自动合成大规模且丰富的数据集，使机器人代理能够在长期视野和高精度任务中通过模仿学习取得良好的性能，比收集额外的人类示范更有效且经济。
PDF8 months ago
TimewarpVAE：轨迹的同时时间扭曲与表示学习
我们提出了 TimewarpVAE 算法，它是一个全可微的流形学习算法，通过使用动态时间规整（DTW）来同时学习时序变化和空间变异的潜在因素。我们展示了 TimewarpVAE 算法在手写和叉子操作数据集中学习适当的时间对齐和有意义的空间变
PDF8 months ago
一份 ACT 戏剧表演：单一演示行为克隆与行动分块变压器
使用行为克隆从单个人类示范中学习任务，通过使用线性变换增强单个示范来生成一系列初始条件广泛变化的轨迹，从而成功训练行为克隆智能体完成三个方块操作任务，并通过在推断期间将行动预测的标准差纳入集成方法中，使方法对环境中的意外变化更加稳健，从而实
PDF10 months ago
Generative Pre-trained Heterogeneous Graph Transformer 学习面向目标的软物体操作技能
SoftGPT 是一种预训练软物体操纵技能学习模型，具有三维异质图表示和基于 GPT 的动力学模型，通过引入先前的知识，可以有效地学习各种软物体操纵技能，包括直接从人类演示中学习。
PDFa year ago
学习基于视频的策略用于未见过的操纵任务
通过一个基于视频的条件学习智能体（ViP）方法，本文提出了一种无需训练数据就能够通过人类演示来控制机器人操作的方法，该方法在多项机器人操作环境中的表现优于现有技术，并在新的零样本设置中展现出良好的性能，可能具有广泛的应用前景。
PDFa year ago
PIRLNav：利用模仿与强化学习微调的预训练方法实现物体导航
该研究通过提出一种两阶段的学习方法，结合模仿学习和强化学习，对 ObjectGoal Navigation 问题进行研究，展示了对人类演示预训练后进行强化学习的 PIRLNav 策略，在 ObjectNav 任务上将成功率从 60.0% 提
PDFa year ago
交互自主学习偏好
研究人机交互中智能机器人的学习奖励功能从而完成任务，探讨通过对多种机器人轨迹的比较反馈方式学习机器的奖励功能，包括两两比较、评分、最佳选择等，并提出主动学习技术，以优化从用户反馈中获得的期望信息，进而在自主驾驶模拟、家庭机器人、标准强化学习
PDF2 years ago
行为变换器：一石多鸟地克隆 $k$ 种模式
本文介绍了一种名为 BeT 的新技术，该技术利用多模式建模，并结合动作离散化技术和多任务操作校正，在离线强化学习和行为克隆方面表现出色。我们在各种机器人操作和自驾行为数据集上进行了实验评估，并显示出 BeT 显着改善了解决示范任务的先前最先
PDF2 years ago
MM通过自动课程学习从单个人类演示中学习指导多个异构角色在星际争霸 II 中
本文利用自动课程学习的方法，通过单一的人类示范将多个异质演员集中命令的命令和控制任务的整体难度进行了调整，在 StarCraft II 中模拟的真实军事场景中，训练出的智能体的表现超过了当下最先进的深度强化学习和匹配了人类专家的表现。
PDF2 years ago
学习的李群上的反应式运动生成
本文从 Riemann 流形的角度研究了机器人运动学习范式，并探讨了通过人类示范学习获得 Riemann 流形以及通过利用考虑障碍物的周围度量重新塑造学习的流形来促进末端点 / 多肢体避障的技术。通过 7 自由度机器人操作机械臂展示了学习和
PDF2 years ago
ACL如何激励你的巨龙：教授目标驱动型智能体在奇幻世界中说话和行动
使用大规模语言建模和常识推理的预训练来提高多代理之间的沟通，使用 RL 系统平衡行动和对话并结合人工操作进行零样本评估。
PDF4 years ago
欧几里得流形变换：用于学习稳定动力系统的微分同胚约简
通过利用人类运动的规律性属性（例如稳定性、平滑性和有界性），将复杂运动编码为稳定动力系统的展开，进而提出一种通过有限的人类演示来学习这类运动的方法，并通过验证在已建立的基准测试和在现实世界的机器人系统上的演示进行论证。
PDF4 years ago
使用动态系统学习约束运动规划的障碍函数
本文提出了一种基于人类示范学习的方法，从学习到的工作空间约束中生成机器人的动作轨迹，并采用学习到的约束子空间作为解零障碍函数，结合原始系统动力学效果来设计控制输入，以保持系统轨迹位于学习到的边界内。在真实机器人上的实验结果表明了该方法的有效
PDF4 years ago
关于 2019 年 MineRL 竞赛在样本高效强化学习方面的回顾分析
在 NeurIPS 2019 年会议上，我们举办了 MineRL Sample Efficient Reinforcement Learning Using Human Priors 比赛，旨在促进使用人类指导的强化学习算法的研究并减少解决
PDF4 years ago
IJCAIMineRL: 一个大规模的《Minecraft》演示数据集
本研究介绍了一个全面、大规模、与模拟器配对并包含人类示范的数据集 MineRL，该数据集涵盖了 Minecraft 中多个相关任务，其中有超过 6000 万个由自动注释的状态动作对，证明了该数据集的层次性、多样性和规模。该数据集有助于开展解
PDF5 years ago
MineRL 2019 赛事：基于人类先验知识的高效强化学习
介绍了 MineRL 竞赛，该竞赛旨在利用人类先验知识实现样本高效的强化学习，提供了 Minecraft ObtrainDiamond 任务和 MineRL-v0 数据集，并要求参赛者使用 Malmo 环境中的有限样本来解决 ObtainD
PDF5 years ago
深度强化学习下的灵巧操作：高效、通用和低成本
本文提出使用深度强化学习作为一种可扩展的解决方案，来掌握带有多指手的接触丰富行为，并展示使用模型自由的深度强化学习算法在现实世界中可以学习各种复杂的行为，同时可以通过少量的人类演示来加速学习。
PDF6 years ago
使用深度强化学习和演示学习复杂的手部操作技能
本研究展示了无模型深度强化学习可有效扩展到高维复杂操作任务，并通过少量人工演示显著降低样本复杂度，从而使学习具有与机器人体验几个小时相当的样本量，展示出非常自然的动作并且更加稳健。
PDF7 years ago
使用人类演示进行神经网络预训练的深度强化学习
通过使用小规模的人类演示来完成深度强化学习网络的预训练，可以更好地发现特征，并且可以使训练时间显著缩短，并可在 Atari 2600 游戏中实现。
PDF7 years ago