論文の概要: Active Third-Person Imitation Learning

• arxiv url: http://arxiv.org/abs/2312.16365v1
• Date: Wed, 27 Dec 2023 00:17:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-29 19:52:11.216141
• Title: Active Third-Person Imitation Learning
• Title（参考訳）: アクティブな第三者模倣学習
• Authors: Timo Klein and Susanna Weinberger and Adish Singla and Sebastian Tschiatschek
• Abstract要約: 我々は,学習者が専門家を観察する視点を選ばなければならないという課題を伴って,第三者の模倣学習の問題を考察する。 我々の設定では、各視点は専門家の行動に関する限られた情報しか提供せず、学習エージェントは、競争性能を達成するために、異なる視点からの情報を慎重に選択し、組み合わせなければならない。 この設定は、例えばロボット工学において、ロボットはカメラを介して人間のデモを観察し、カメラの位置に応じて異なる視点から情報を受け取ることができる。
• 参考スコア（独自算出の注目度）: 28.96348964602239
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider the problem of third-person imitation learning with the additional challenge that the learner must select the perspective from which they observe the expert. In our setting, each perspective provides only limited information about the expert's behavior, and the learning agent must carefully select and combine information from different perspectives to achieve competitive performance. This setting is inspired by real-world imitation learning applications, e.g., in robotics, a robot might observe a human demonstrator via camera and receive information from different perspectives depending on the camera's position. We formalize the aforementioned active third-person imitation learning problem, theoretically analyze its characteristics, and propose a generative adversarial network-based active learning approach. Empirically, we demstrate that our proposed approach can effectively learn from expert demonstrations and explore the importance of different architectural choices for the learner's performance.
• Abstract（参考訳）: 我々は,学習者が専門家を観察する視点を選ばなければならないという課題を伴って,第三者模倣学習の問題を考える。 この設定では,各視点は専門家の行動に関する限られた情報しか提供せず,学習エージェントは異なる視点からの情報を慎重に選択し,組み合わせて競争性能を達成する必要がある。 この設定は、実世界の模倣学習アプリケーション(ロボット工学など)に触発され、ロボットはカメラを通して人間のデモストラクタを観察し、カメラの位置に応じて異なる視点から情報を受け取ることができる。 本稿では、前述のアクティブな第三者模倣学習問題を定式化し、その特徴を理論的に分析し、生成的対向ネットワークに基づくアクティブな学習手法を提案する。 実験的に,提案手法は専門家による実証実験から効果的に学習でき,学習者のパフォーマンスに対する異なるアーキテクチャ選択の重要性を探求することができると結論づける。

関連論文リスト

• Revisiting Self-supervised Learning of Speech Representation from a Mutual Information Perspective [68.20531518525273]
  我々は、情報理論の観点から、既存の自己教師型音声の手法を詳しく検討する。 我々は線形プローブを用いて、対象情報と学習された表現の間の相互情報を推定する。 我々は、ラベルを使わずに、データの異なる部分間の相互情報を見積もる自己教師型の表現を評価する可能性を探る。
  論文  参考訳（メタデータ） (2024-01-16T21:13:22Z)
• Human-oriented Representation Learning for Robotic Manipulation [64.59499047836637]
  人間は本質的に、操作作業において環境を効率的に探索し、相互作用することを可能にする、一般化可能な視覚表現を持っている。 我々は、このアイデアを、事前訓練された視覚エンコーダの上に、人間指向のマルチタスク微調整のレンズを通してフォーマル化する。 我々のタスクフュージョンデコーダは、下流操作ポリシー学習のための最先端の3つのビジュアルエンコーダの表現を一貫して改善する。
  論文  参考訳（メタデータ） (2023-10-04T17:59:38Z)
• Compositional Learning in Transformer-Based Human-Object Interaction Detection [6.630793383852106]
  ラベル付きインスタンスの長期分布は、HOI検出の主要な課題である。 HOI三重奏の性質にインスパイアされた既存のアプローチでは、作曲学習という概念が採用されている。 我々は,構成HoI学習のためのトランスフォーマーベースのフレームワークを創造的に提案する。
  論文  参考訳（メタデータ） (2023-08-11T06:41:20Z)
• Vision-Based Manipulators Need to Also See from Their Hands [58.398637422321976]
  本研究では,視覚的視点の選択が,生のセンサ観測から身体操作の文脈における学習と一般化にどう影響するかを検討する。 手中心(目の)視点は可観測性を低下させるが、トレーニング効率とアウト・オブ・ディストリビューションの一般化を一貫して改善する。
  論文  参考訳（メタデータ） (2022-03-15T18:46:18Z)
• Divergent representations of ethological visual inputs emerge from supervised, unsupervised, and reinforcement learning [20.98896935012773]
  8つの異なる畳み込みニューラルネットワークによって学習された表現を比較する。 強化学習で訓練されたネットワークは,他のネットワークと大きく異なることがわかった。
  論文  参考訳（メタデータ） (2021-12-03T17:18:09Z)
• Unsupervised Domain Adaptive Person Re-Identification via Human Learning Imitation [67.52229938775294]
  近年、研究者は、異なる人物の再識別データセット間のドメインギャップを減らすために、教師学生フレームワークを彼らの手法に活用することを提案している。 近年の教員中心の枠組みに基づく手法に着想を得て,異なる側面から人間の学習過程を模倣するためのさらなる探究を提案する。
  論文  参考訳（メタデータ） (2021-11-28T01:14:29Z)
• Imitation Learning: Progress, Taxonomies and Opportunities [8.362917578701563]
  模倣学習は、人間の行動の再現のために、人間の専門家のデモンストレーションや人工的に作られたエージェントから知識を抽出することを目的としている。 その成功は、ビデオゲーム、自律運転、ロボットシミュレーション、オブジェクト操作などの分野で実証されている。 ほとんどの訓練されたエージェントは、タスク固有の環境でうまく機能するように制限されている。
  論文  参考訳（メタデータ） (2021-06-23T05:55:33Z)
• Self-supervised Learning: Generative or Contrastive [16.326494162366973]
  自己指導型学習は近年,表現型学習の性能向上に寄与している。 我々は、コンピュータビジョン、自然言語処理、グラフ学習における表現のための新しい自己教師付き学習手法について検討する。
  論文  参考訳（メタデータ） (2020-06-15T08:40:03Z)
• Self-supervised Learning from a Multi-view Perspective [121.63655399591681]
  自己教師型表現はタスク関連情報を抽出し,タスク関連情報を破棄することができることを示す。 我々の理論的枠組みは、自己教師型学習目標設計のより広い空間への道を開くものである。
  論文  参考訳（メタデータ） (2020-06-10T00:21:35Z)
• A Review on Intelligent Object Perception Methods Combining Knowledge-based Reasoning and Machine Learning [60.335974351919816]
  物体知覚はコンピュータビジョンの基本的なサブフィールドである。 最近の研究は、物体の視覚的解釈のインテリジェンスレベルを拡大するために、知識工学を統合する方法を模索している。
  論文  参考訳（メタデータ） (2019-12-26T13:26:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。