arXiv · 机器人与计算机视觉· Cheng Pan, Nan Lu, Kai Arulkumaran, Josie Hughes·· 6 天前AI 评分71
Imitating the Imperfect:基于潜在专家性与最优性评分的异构演示者模仿学习
Imitating the Imperfect: Offline-to-Online Robust Imitation Learning from Heterogeneous Demonstrators
AI 导读
针对现有模仿学习方法假设演示者同质或接近最优的不现实问题,本文提出 LEOS-IL 框架,从未标记的低质量离线演示中联合学习状态动作最优性评分模型与各演示者的潜在专家水平。该方法将评分模型集成至在线策略优化流程,利用在线 rollout 迭代 refine 评分模型以缓解分布偏移,并在连续控制基准上展示了在高度异构和低质量演示数据下的优越性能。
来源:arXiv · 机器人与计算机视觉 · arxiv.org