DeepMind提出基于视觉的强化学习模型，十八般兵器对机器人不在话下

人类是擅于模仿的，我们和其他动物通过观察行为来模仿，理解它对环境状态的感知影响，并找出我们的身体可以采取什么行动来达到类似的结果。

对于机器人De学习任务来说，模仿学习是一个强大的工具。但在这类环境感知任务中，使用强化学习来指定一个回报函数却是很困难的。

DeepMind最新论文主要探索了仅ep从第三人称视觉模仿操作轨迹的可能性，而不依赖action状态，团队的灵感来自于一个机器人机械手模仿视觉上演示的复杂的行为。

DeepMind提出Mi的方法主要分为两个阶段：

1、提出一种操作器无关的表示(MIR, Manipulation-Independent Representations)，即不管nd是机械手、人手或是其他设备，保证这种表示都能够用于后续任务的学习

2、使用强化学习来学习action策略

与操作器无关的表示

领域适应性问题是机器人模拟现实提出中最关键的问题，即解决视觉仿真和现实之间的差别。

1、 随机使用各种类型操作器，各种仿真环境用来模拟现实世界

2、加入去除操作臂后的观察

3、时序平滑基于对抗网络（TSCN, Temporally-Smooth Contrastive Networks），相比TCN来说，在softmax交叉熵目标函视觉数中增加了一个分布系数p，使得学习过程更加平滑，尤其是在cross-domain的情况。

使用强化学习

MIR表示空间的需求是actionabl的强e的，即可用于强化学习，表示为具体的action。

一个解决方案是使用goal-conditioned来训练策略，输入为当前状态o和目标状态g。这篇文化学章提出一种扩展方式，cross-domain goal-conditional policies，输入当前状态o和跨域的目标状态o'，最小化到达目标的行习模动次数。

数据和实验

研究小组在8个环境和场景(规范模拟、隐形手臂、随机手臂、随机域、Jaco Hand、真机器人、手杖和人手)上进行了实验，以评估通过未知型，机械手模拟无约束操作轨迹的性能。

他们还用了一些基线方法，如朴素的goal conditioned plicies (GCP)和temporal distanc十八e。

MIR 在所有测试领域都取得了最好的性能。它在叠加成功率方面的表现显著提高，并且以100% 的分数很好地模仿了模拟的 Jaco Hand 和 Inv般兵isible Arm。

这项研究论证了视觉模仿表征在视觉模仿中的重要性，并验证了操作无关表征在视觉模仿中的成功应用。

未来工厂中的机器人将拥有更强器对大的学习能力，并不局限于一种特定工具，一种特定任务。

最新评论