【泡泡一分钟】通过少量示教中学习奖励

文章预览

每天一分钟，带你读遍机器人顶级会议文章 标题：Reward Learning From Very Few Demonstrations 作者： Cem Eteke, Dogancan Kebude, and Baris Akgun 来源：2021 IEEE International Conference on Robotics and Automation (ICRA 2021) 编译：骆子云 审核：Zoe 这是泡泡一分钟推送的第 994 篇文章，欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权 摘要 本文介绍了一种新型技能学习框架，这种框架可以通过少量示教学习奖励，并将其用在策略搜索（PS）中，从而提升技能。示教被用于学习执行技能所用到的参数化策略，和作为隐式马尔科夫模型（HMM）的目标模型，从而监测执行。奖励则从隐式马尔科夫模型结构和其检测能力习得。马尔科夫模型被转化成有限时间的马尔科夫奖励过程（MRP），并用蒙特卡洛方法计算结果。然后，将HMM和上述结果合并到一个部分可观测的MRP中， ………………………………