visual control | BriefGPT - AI 论文速递

关键词visual control

搜索结果 - 11

AD3: 隐式行动是世界模型区分各种视觉干扰的关键
通过学习隐式动作，我们提出了一种名为 AD3 的新算法，该算法利用 IAG 推断出的动作来训练分离的世界模型，有效地区分了异质和同质分心因素，从而在各种视觉控制任务中实现了卓越性能。
PDF4 months ago
ViscoNet：将视觉和文本条件合并与协调，用于 ControlNet
ViscoNet 是一种新颖的方法，通过视觉提示来增强文本到图像人物生成模型，使用户可以通过参考图像指定目标对象的视觉外观，从而从图像背景中分离出对象的外观，并通过 ControlNet 分支将其注入预训练的潜在扩散模型 (LDM) 模型中
PDF7 months ago
VIBR：学习视角不变值函数进行鲁棒视觉控制
本文提出基于多视角训练和不变预测的 VIBR 算法，从根本上解决具有视觉干扰的复杂环境下强化学习及视觉运动控制的鲁棒性问题，并在 Distracting Control Suite 基准测试中取得了最优结果。
PDFa year ago
利用野外视频进行预训练的语境化世界模型，用于强化学习
本文研究利用野外数据预训练 world models 来提高 model-based reinforcement learning 在多个领域的样本效率，并引入了一种名为 Contextualized World Models 的模型来解决
PDFa year ago
利用原型进行跨域随机预训练以进行强化学习
本文提出了一种基于 CRPTpro 的跨域自监督随机预训练框架，它采用了跨域随机策略和原型表示学习方法，在不同的任务领域中能够更高效地实现图像相关的强化学习任务。CRPTpro 在 DeepMind Control suite (DMCon
PDFa year ago
ICML无监督模型预训练：从像素到高效控制
本文提出了一种基于无监督 RL 策略的数据高效视觉控制的方法，通过使用 Dyna-MPC 等组件的预训练来实现更快的任务适应，并且在大规模实证研究的基础上建立了一种强化学习方法，可以使无监督设计策略的性能大大提高。
PDF2 years ago
基于显著性引导的 Q - 网络在视觉强化学习中的泛化
本研究通过引入基于显著性的 Q 网络（SGQN），提出了一种通用的视觉强化学习方法，该方法对 Deepmind 的控制泛化基准进行了改进，从而在训练效率、泛化差距和策略可解释性等方面创造了新纪录。
PDF2 years ago
ICMLCtrlFormer: 基于 Transformer 学习可转移的状态表示，用于视觉控制
提出了一种称为 CtrlFormer 的控制变压器模型，用于训练在样本利用效率方面表现良好的可转移状态表示，在视觉控制任务方面表现出色，并在 DMControl 基准测试中达到了当前先进方法的最高样本利用效率水平。
PDF2 years ago
基于多源转移学习的深度模型强化学习
本研究旨在提出多源模块化转移学习技术，以减少强化学习所需的环境交互次数并提高知识重用。我们支持这一技术的有效性，并进行了广泛而具有挑战性的视觉控制跨领域实验。
PDF2 years ago
ICLR认知自我：通过机器感知实现可迁移的视觉控制策略
提出了一种基于模型的强化学习策略，通过训练可转移机器人感知的世界动力学模型和机器人特定的动力学模型，从而利用以前在其他机器人上收集的数据来减少对机器人特定数据的需求，并在模拟和实际机器人上实现了视觉控制任务上的零泛化
PDF3 years ago
机器人 VR 眼镜：基于实际到虚拟域适应的视觉控制
本文提出了一种新颖的方法来解决从模拟环境到真实世界的深度强化学习策略传输问题，通过在部署阶段将真实世界的图像流翻译回合成域来解决这个问题，同时提出了一种不受下游任务影响的简单而有效的位移损失以及在室内和室外机器人实验中验证了我们的视觉控制方
PDF6 years ago