协同动作与风格先验用于学习足式运动
该论文提出从少量专家演示数据集中学习潜在动作作为归纳偏置，用于足式机器人直接关节级力矩控制的强化学习。该方法使策略直接利用专家动作知识、提升探索效率，智能体不受演示奖励水平限制，迁移任务性能显著提升；潜在动作先验与模仿风格奖励结合可更接近复现专家行为。
发布于 10-22 10:56来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Synergistic Action and Style Priors for Learning Legged Locomotion》查看原链
深度强化学习（DRL）使机器人能够通过与环境交互学习复杂行为。 然而，由于学习算法不受约束的特性，所得解往往脆弱且显得不自然。 这在学习直接关节级力矩控制时尤为明显，因为归纳偏置难以融入学习过程。 我们提出一种用于学习运动控制的归纳偏置，尤其适用于力矩控制：从少量专家演示数据集中学习潜在动作。
该先验使策略能够直接利用专家动作中包含的知识，并促进更高效的探索。 我们观察到，智能体并不受限于演示的奖励水平，且迁移任务中的性能显著提升。 潜在动作先验与用于模仿的风格奖励相结合，可更接近地复现专家行为。 视频见 https://sites.google.com/view/latent-action-priors。