计算机科学 > 机器学习
[提交于 2019年12月29日
]
标题: 分层变分模仿学习控制程序
标题: Hierarchical Variational Imitation Learning of Control Programs
摘要: 自主代理可以通过模仿教师演示的预期行为来学习。 分层控制策略在这种学习中普遍存在且有用,它有望将结构化任务分解为更简单的子任务,从而提高数据效率和泛化能力。 本文提出了一种变分推理方法,用于学习由参数化分层过程(PHP)表示的控制策略的模仿学习,PHP是一种类似程序的结构,在该结构中,过程可以调用子过程以执行子任务。 我们的方法通过学习过程调用和终止的潜在序列的近似后验分布,在教师演示的观察-动作轨迹的数据集中发现分层结构。 从这个学习到的分布中采样的样本随后指导分层控制策略的训练。 我们在分层模仿学习的背景下确定并展示了变分推理的一个新颖优势:在将策略分解为更简单的过程时,推理可以利用其他方法未使用的非因果信息。 使用变分推理训练PHP在数据效率和泛化方面优于LSTM基准模型,在执行冒泡排序算法时,所需数据不到一半即可达到24%的错误率,并且在执行Karel程序时实现零错误。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.