【推荐理由】本文通过潜在意图从被动数据中进行强化学习，从理论和实证上看，这种方案可以学习适用于下游任务的价值预测特征，并且实验表明可以从多种形式的被动数据中学习，包括跨体视频数据和YouTube视频。
Reinforcement Learning from Passive Data via Latent Intentions
Dibya Ghosh, Chethan Bhateja, Sergey Levine
[UC Berkeley]
【论文链接】https://arxiv.org/pdf/2304.04782.pdf
【摘要】被动观察数据（例如人类视频）丰富且信息丰富，但目前的 RL 方法在很大程度上仍未开发。 也许令人惊讶的是，文章表明尽管没有奖励或动作标签，被动数据仍可用于学习加速下游 RL 的功能。 本文的方法通过对意图建模来从被动数据中学习：衡量当代理人采取行动完成特定任务时未来结果的可能性如何变化。 作者提出了一个时间差异学习目标来了解意图，从而产生一种类似于传统 RL 的算法，但它完全从被动数据中学习。 在优化这个目标时，本文的代理同时学习状态、策略和环境中可能结果的表示，所有这些都来自原始观察数据。 在理论上和经验上，该方案都学习了适合下游任务价值预测的特征，该实验证明了从多种形式的被动数据中学习的能力，包括跨实例视频数据和 YouTube 视频。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...
这是一个专注于人工智能产品的导航站。
