跳到正文
arXiv · ML· Cheng Pan, Nan Lu, Kai Arulkumaran, Josie Hughes·· 7 天前AI 评分21

针对异构不完美示范者的离线转在线鲁棒模仿学习框架 LEOS-IL

Imitating the Imperfect: Offline-to-Online Robust Imitation Learning from Heterogeneous Demonstrators

AI 导读

针对现实场景中示范者技能水平未知且数据质量混杂的模仿学习痛点,论文提出 LEOS-IL 框架。该框架从含噪离线数据中联合学习状态-动作最优性评分模型与每个示范者的潜在技能水平。 评分模型被整合进在线策略优化流程,利用智能体在线 rollout 迭代细化评分以缓解分布偏移。连续控制基准实验表明,该方法在异构低质量示范环境下持续优于现有基线。

来源:arXiv · ML · arxiv.org