ConceptImitation Learning / IL
模仿学习
机器人学习领域的主流范式，让智能体通过观察专家示范来习得策略，无需手动设计奖励函数，在机器人操控领域得到广泛应用
Timeline (last 90 days)
Sep 12
捕捉到的人体运动数据理论上可用于模仿学习的演示数据收集，或作为人类先验轨迹为强化学习策略提供初始种子
Unverified50%
Aug 30
行为克隆将策略学习转化为监督学习问题，以环境状态为输入、专家动作为标签，训练从状态到动作的映射函数
Unverified50%
Aug 29
帧缺失导致的不连续跳跃会使模仿学习模型学到包含突变动作的策略，部署到真实机器人上时可能导致碰撞、振荡甚至硬件损坏
Unverified50%
Aug 29
该方法属于模仿学习中的行为克隆，其著名缺陷是复合误差问题
Unverified50%
Aug 29
该方法属于模仿学习范畴中最简单的形式——行为克隆，直接将专家演示视为有标签数据进行监督学习
Unverified50%
Aug 29
模仿学习的代表性方法包括行为克隆、扩散策略以及ACT（Action Chunking with Transformers）
Unverified50%
Jul 10
行为克隆属于模仿学习的最简形式，直接学习状态到动作的映射，而不像逆强化学习（IRL）那样推断专家的奖励函数
Unverified50%
All Facts (7)
Unverified
捕捉到的人体运动数据理论上可用于模仿学习的演示数据收集，或作为人类先验轨迹为强化学习策略提供初始种子
50%Unverified行为克隆将策略学习转化为监督学习问题，以环境状态为输入、专家动作为标签，训练从状态到动作的映射函数
50%Unverified帧缺失导致的不连续跳跃会使模仿学习模型学到包含突变动作的策略，部署到真实机器人上时可能导致碰撞、振荡甚至硬件损坏
50%Unverified该方法属于模仿学习中的行为克隆，其著名缺陷是复合误差问题
50%Unverified该方法属于模仿学习范畴中最简单的形式——行为克隆，直接将专家演示视为有标签数据进行监督学习
50%Unverified模仿学习的代表性方法包括行为克隆、扩散策略以及ACT（Action Chunking with Transformers）
50%Unverified行为克隆属于模仿学习的最简形式，直接学习状态到动作的映射，而不像逆强化学习（IRL）那样推断专家的奖励函数
50%