《One-Shot Imitation Learning》阅读笔记
题目暂且翻译为《少量样本模仿学习》
原文链接百度云 提取码:hxf8
Abstract
模仿学习已经广泛的应用于许多场景,但是这需要做特征工程或者需要大量的训练样本。但是这与实际需求是不相符合的。真正的机器人因该能够在任何任务中给出少量的示范例子,就能够快速泛化到新的场景,处理相同的任务,而不需要在做具体的任务工程。在这篇文章中我们提出一个meta-learning的框架以便达到这种能力,我们称之为“One-Shot Imitation Learning”。
1 Introduction
机器人应该在不需要新的系统交互时间就可以学习处理新的任务(上面提到的能力)。为了解决这个问题,我们必须处理两个广泛的问题:
1、第一个问题是关于机器人的敏捷性:机器人应该如何处理、提取复杂的目标,并且如何使用一个合理的配置来完成这项任务
2、第二个问题是关于机器人的交互能力:机器人如何传达手头任务的意图,以便机器人能在更广泛的初始条件下复制它。
Demonstrations(示范例子)是一种十分方便的信息形式,我们可以使用这个来帮助机器人克服这两个困难。使用Demonstrations可以直白的从本质上交流任何操作任务,同时提供执行该任务所