|
|||||
|
|
| 基于示范主动采样的行为克隆方法 | |
| 引用本文： | 黄文宇,黄圣君.基于示范主动采样的行为克隆方法[J].南京航空航天大学学报,2021,53(5):766-771. |
| 作者姓名： | 黄文宇 黄圣君 |
| 作者单位： | 南京航空航天大学计算机科学与技术学院/人工智能学院， 南京 211106 |
| 基金项目： | 航空动力基金（6141B09050342）资助项目。 |
| 摘 要： | 深度强化学习在学习过程中需要与环境进行大量的交互，训练效率低下。模仿学习通过从专家示范中学习，可以有效地应对这一挑战，但是需要收集大量的专家示范轨迹，在复杂任务中往往导致高昂的示范代价。本文提出一种基于主动学习的行为克隆算法，通过主动挑选示范起始状态来减小示范代价。该方法基于不确定性采样和不相似性采样两种策略，从状态候选集中挑选最有价值的状态作为起始状态，然后向专家查询固定长度的示范轨迹，希望从尽可能少的示范中学习出有效策略。在多个不同任务上的实验表明，本文方法可以用更少的示范轨迹进行行为克隆，降低了强化学习中的专家示范代价。 |
| 关 键 词： | 强化学习 模仿学习 行为克隆 逆强化学习 主动学习 |
| 收稿时间： | 2020/11/10 0:00:00 |
| 修稿时间： | 2021/1/6 0:00:00 |
Behavioral Cloning with Active Sampling of Demonstration |
|
| Huang Wenyu,Huang Shengjun.Behavioral Cloning with Active Sampling of Demonstration[J].Journal of Nanjing University of Aeronautics & Astronautics,2021,53(5):766-771. | |
| Authors: | Huang Wenyu Huang Shengjun |
| Abstract: | |
| Keywords: | reinforcement learning imitation learning behavioral cloning inverse reinforcement learning active learning |
| 点击此处可从《南京航空航天大学学报》浏览原始摘要信息 | |
| 点击此处可从《南京航空航天大学学报》下载免费的PDF全文 | |