关键词vision-based reinforcement learning
搜索结果 - 4
- ICML研究视觉强化学习中的预训练目标与泛化能力
通过在 50 个 Atari 游戏的 10 百万次转换上对 ResNet-50 模型进行预训练,并在各种环境分布下进行评估的 Atari 预训练基准(Atari-PB)实验证明,注重学习任务无关特征(如识别物体和理解时间动态)的预训练目标可 - BARReL: 视觉强化学习中的瓶颈关注机制提高对抗鲁棒性
本文研究了视觉强化学习中自主代理的鲁棒性,发现在 CNN 体系结构中添加瓶颈注意力模块 (BAM) 可以提高抵御对抗性攻击的能力。作者表明学习到的注意力映射可以用来恢复卷积层的激活,并在一些 RL 场景中展示出加强了的鲁棒性。
- ICML利用视频进行无动作预训练的强化学习
本文介绍了一种通过生成式预训练学习得到的视觉表示,用于有效地加速并提高多种任务下视觉增强学习系统性能和效率的框架。我们在视频数据上预训练了一个无动作潜在视频预测模型,并将这些表示用于未知环境下的学习操作条件下的世界模型。我们还引入了一个新的 - 自我解释智能体的神经进化
本文使用自我注意力瓶颈的人工智能智能体来研究看到事物的方法,该智能体通过选择性注意力获取只关注任务关键的视觉信息,解决了低参数化和在存在干扰时泛化能力不强的问题,可适用于视觉增强学习任务.