【NeurIPS 2020】生成对抗性模仿学习的f-Divergence
模仿学习(IL)旨在从专家演示中学习一种策略，使学习者和专家行为之间的差异最小化。针对预先确定的差异，提出了不同的模仿学习算法来量化差异。这自然会产生以下问题:给定一组专家演示，哪些分歧可以在更高的数据效率下更准确地恢复专家策略?在这项研究中，我们提出了一种新的生成性对抗模仿学习(GAIL)模型——f-GAIL，它可以自动地从f-divergence族中学习出一个差异度量，并且能够产生与专家相似行为的策略。与具有各种预定义散度度量的IL基线相比，f-GAIL在6个基于物理的控制任务中学习了更好的策略和更高的数据效率。
https://arxiv.org/abs/2010.01207
专知便捷查看
便捷下载，请关注专知公众号（点击上方蓝色专知关注）
后台回复“GAIL” 可以获取《【NeurIPS 2020】生成对抗性模仿学习的f-Divergence》专知下载链接索引
登录查看更多
相关内容
模仿学习是学习尝试模仿专家行为从而获取最佳性能的一系列任务。目前主流方法包括监督式模仿学习、随机混合迭代学习和数据聚合模拟学习等方法。模仿学习（Imitation Learning）背后的原理是是通过隐含地给学习器关于这个世界的先验信息，比如执行、学习人类行为。在模仿学习任务中，智能体（agent）为了学习到策略从而尽可能像人类专家那样执行一种行为，它会寻找一种最佳的方式来使用由该专家示范的训练集（输入-输出对）。当智能体学习人类行为时，虽然我们也需要使用模仿学习，但实时的行为模拟成本会非常高。与之相反，吴恩达提出的学徒学习（Apprenticeship learning）执行的是存粹的贪婪/利用（exploitative）策略，并使用强化学习方法遍历所有的（状态和行为）轨迹（trajectories）来学习近优化策略。它需要极难的计略（maneuvers），而且几乎不可能从未观察到的状态还原。模仿学习能够处理这些未探索到的状态，所以可为自动驾驶这样的许多任务提供更可靠的通用框架。
专知会员服务
22+阅读 · 2019年11月11日
Arxiv
0+阅读 · 2020年11月28日
相关VIP内容
专知会员服务
22+阅读 · 2019年11月11日
相关资讯
相关论文
Arxiv
0+阅读 · 2020年11月28日
微信扫码咨询专知VIP会员