visuomotor policies | BriefGPT

关键词visuomotor policies

搜索结果 - 7

一个高效的通用化视觉动作策略框架：基于控制感知增强和特权引导蒸馏
通过数据增强来解决在学习高维视觉观察中适应新环境及复杂视觉变化所面临的泛化问题，提出了学习控制感知掩码的方法以及通过预先训练的强化学习专家将知识传输给学生视觉动作策略来解决训练不稳定性问题。
PDF6 months ago
策略学习的全点轨迹建模
通过使用预训练的轨迹模型，提出了一种利用视频演示来预测视频帧内任意点的未来轨迹，从而实现对机器人进行精确控制指导，使其能够在最少的动作标记数据下学习到鲁棒的视觉运动策略。
PDF6 months ago
鲁棒的视觉从模拟到实际的机器人操作转移
通过在模拟环境中学习视觉运动策略，我们提出了一种通过视觉域随机化方法来解决模拟与真实世界之间差异的问题，并在丰富的机器人操作任务中进行了基准测试。我们的方法在各种挑战性的操纵任务中取得了 93% 的成功率，并证明了模拟器训练的策略在真实场景
PDFa year ago
外部因素感知的模仿学习
本文提出了一种名为 EIL 的基于自监督学习的方法，通过学习第三人称包含无关任务但与环境局部一致的演示来学习视动作策略，实验结果表明，EIL 方法在仿真和实际机器人控制任务中均胜过强基线，并获得与理论最佳演示训练的策略相当的效果。
PDF2 years ago
使用变分模型的视觉对抗性模仿学习
该论文介绍了一种使用固定数据集的视觉演示来学习如何完成任务的方法，并提出了一种基于变分模型的对抗性模仿学习算法来处理高维空间、固定奖励等挑战，实验结果表明 V-MAIL 算法能够高效稳定地学习成功的视觉动作策略。
PDF3 years ago
语言条件下的机器人操作任务模仿学习
这篇研究论文介绍了一种将自然语言引入模仿学习中的方法，可以让专家在提供动作演示的同时，提供自然语言的描述。通过融合语言、知觉和动作的关系，实现了更加精细的控制，降低了场景的模糊度。在七自由度机械臂控制任务上的模拟实验表明，此方法可有效学习自
PDF4 years ago
针对多样化视觉动作技能的强化学习和模仿学习
该研究提出了一种模型无关的深度强化学习方法，利用少量的演示数据来协助强化学习代理。作者将该方法应用于机器人操作任务并训练了端到端的视觉 - 动力学策略，直接从 RGB 相机输入到关节速度。实验结果表明，与仅使用强化学习或模仿学习训练代理的结
PDF6 years ago