Model-Based Inverse Reinforcement Learning from Visual Demonstrations
Model-Based Inverse Reinforcement Learning from Visual Demonstrations
复制标题
基于模型的视觉演示逆强化学习
DOI：
--
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Franziska Meier
中科院分区：
文献类型：
--
作者：
Neha Das;Sarah Bechtle;Todor Davchev;Dinesh Jayaraman;Akshara Rai;Franziska Meier
将基于模型的逆强化学习（IRL）扩展到具有未知动态的真实机器人操作任务仍然是一个悬而未决的问题。关键挑战在于学习良好的动力学模型、开发可扩展到高维状态空间的算法以及能够从视觉和本体感受演示中学习。在这项工作中，我们提出了一种基于梯度的逆强化学习框架，该框架利用预先训练的视觉动力学模型在仅给出视觉人类演示时学习成本函数。然后，使用学习到的成本函数通过视觉模型预测控制来重现所演示的行为。我们在硬件上评估了两个基本对象操作任务的框架。
Scaling model-based inverse reinforcement learning (IRL) to real robotic manipulation tasks with unknown dynamics remains an open problem. The key challenges lie in learning good dynamics models, developing algorithms that scale to high-dimensional state-spaces and being able to learn from both visual and proprioceptive demonstrations. In this work, we present a gradient-based inverse reinforcement learning framework that utilizes a pre-trained visual dynamics model to learn cost functions when given only visual human demonstrations. The learned cost functions are then used to reproduce the demonstrated behavior via visual model predictive control. We evaluate our framework on hardware on two basic object manipulation tasks.
DOI：
10.1109/icpr48806.2021.9412010
发表时间：
2019-06
期刊：
2020 25th International Conference on Pattern Recognition (ICPR)
影响因子：
--
作者：
Yevgen Chebotar;Artem Molchanov;Sarah Bechtle;L. Righetti;Franziska Meier;G. Sukhatme
通讯作者：
Yevgen Chebotar;Artem Molchanov;Sarah Bechtle;L. Righetti;Franziska Meier;G. Sukhatme