视觉导向的对抗型模仿学习研究综述

摘要：

最优决策问题在机器学习领域由来已久.模仿学习从强化学习发展而来,研究如何从专家数据中重建期望策略进而学习最优决策.近年来模仿学习既在理论研究中和计算机视觉有所结合,又在自动驾驶、机器人等应用中取得不错的成效.首先介绍模仿学习的由来及传统的两种研究方法,分别是行为克隆和逆强化学习,随着对抗训练结构的发展,生成对抗模仿学习成为现今的重点研究方向,而对其后续改进工作统称为对抗型模仿学习;其次分析了对抗型模仿学习结合视觉演示的研究内容,并针对存在的次优专家演示样本、少样本、样本利用效率低下等共性问题以及现有的对应改良方案进行总结;然后根据实验结果对比分析不同方法所解决的问题表现;最后说明对抗型视觉模仿学习在实际中的无人驾驶、工业机器人等场景的应用情况,总结并指出未来理论研究方向以及应用前景与挑战.

关键词：模仿学习、行为克隆、逆强化学习、对抗模仿学习

所属期刊栏目：17

分类号：TP18(自动化基础理论)

在线出版日期：2023-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共17页

页码：2075-2091