sjh18813050566的专栏

没怎么看懂，大致的motivation是，为了使non-parametric policy具有multimodal的性质，采用多个Gaussian Process混合的形式，并使用变分贝叶斯推断的方式进行policy search。还使用了sparse-pseudo-input GP进行扩展。实验比较简单，做了一个物体抓取（旋转夹子使得能夹起物体，有顺时针和逆时针两种策略）和table-...

Guided Policy Search(GPS) 学到的policy比较受trajectory optimization得到的trajectory分布的影响，因为其本质上就是做了个supervised learning，因此在未见到的state上容易出现不稳定的情况。本文的目标是得到一个更加robust的policy，本文称之为Generative Motor Reflexes（GMR）结构。...

本文的目标是从raw image data中学习到predictive policy。predictive policy是指根据当前的input一次性输出之后一段时间内的action，而普通意义上的policy（文章里说是reactive types of controller）在每一个时刻都重新输出一个action。predictive policy的优势在于执行更快，不会受sensor del...