Imitation Learning
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 1
- 평가표
- 0
- 보존된 평가 기록
- 0
Imitation Learning is a framework for learning a behavior policy from demonstrations. Usually, demonstrations are presented in the form of state-action trajectories, with each pair indicating the action to take at the state being visited. In order to learn the behavior policy, the demonstrated actions are usually utilized in two ways. The first, known as Behavior Cloning (BC), treats the action as the target label for each state, and then learns a generalized mapping from states to actions in a supervised manner. Another way, known as Inverse Reinforcement Learning (IRL), views the demonstrated actions as a sequence of decisions, and aims at finding a reward/cost function under which the demonstrated decisions are optimal.
Finally, a newer methodology, Inverse Q-Learning aims at directly learning Q-functions from expert data, implicitly representing rewards, under which the optimal policy can be given as a Boltzmann distribution similar to soft Q-learning
Source: Learning to Imitate
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
빠른 Diffusion Policy 추론을 위한 진화형 캐시 스케줄
RhinoVLA 기술 보고서
Jetson-PI: 선견 정렬 비동기 추론을 통한 온보드 실시간 로봇 제어
맥락적 확률적 조합 최적화를 위한 원-쌍대 알고리즘
스트리밍 비디오 게임에서 강건하고 효율적인 모방 학습을 위한 증강
DiMaS: 비전-언어-행동 모델 조향을 위한 분포 매칭
범용 로봇 정책을 위한 능동적 실세계 요인 기반 평가
RoboTTT: 로봇 정책을 위한 컨텍스트 스케일링
동적 휴머노이드 전신 제어를 위한 의미 기반 오디오 주도 이해
Action QFormer: 비전-언어-액션 모델에서 액션 지도를 통한 구조화된 표현 형성
휴머노이드 로봇을 위한 행동 기반 모델 스케일링
일반화 가능한 로봇 제어를 위한 네이티브 비디오-액션 사전학습
Open-AoE: 체화 학습을 위한 공개 자아 중심 조작 데이터셋 및 툴체인
HyMobileAgent: 효율적인 GUI 에이전트를 위한 데이터-환경 공동 스케일링
FoMoVLA: 비전-언어-동작 모델을 위한 시각적 예측과 동작 안내의 연결
HRIBench: 상호작용 중심 인간-로봇 협업 벤치마킹
분포적으로 강건하고 안전한 모방 학습
비전-언어-행동 모델을 위한 촉각 모달리티 융합
RADAR: 의미 계획과 자율적 인과 환경 리셋을 통한 폐루프 로봇 데이터 생성
로봇 행동 표현을 위한 의미적 앵커링
MU-MISO 시스템에서 직접 파일럿-빔포머 설계를 위한 자기 진화형 문맥 내 학습
엔드투엔드 자율 주행에서의 사후 학습
UniVR: 통합 시각 추론을 위한 시각 공간에서의 사고
FlowWAM: 월드 액션 모델을 위한 통합 액션 표현으로서의 광학 흐름
보고, 집중하고, 행동하라: 인간 시선과 중심화 Vision Transformer를 통한 효율적이고 견고한 로봇 학습
UR-VC: 시간 유도 진행도 프록시를 위한 비지도 로봇 가치 보정
데이터 병렬 깁스 샘플링을 활용한 비모수 베이지안 역강화학습
선호 기반 강화학습의 일반화: 비교 불가능성을 위한 합리성 모델
VLAC-Cut 가이드 파이프라인을 통한 대규모 로봇 사후 학습에서의 인간 효율성 극대화
구현된 비전-언어 내비게이션의 종합적 서베이 및 체계적 실세계 평가
TS-Mask VLA: 효과적인 브리징을 갖춘 비전-언어-행동 모델을 위한 2D 시간-공간 마스킹
더 많은 용량이 아닌 더 많은 구조: 시각운동 모방 학습을 위한 객체 중심 표현
Robo-ValueRL: 오프라인-온라인 강화학습을 위한 신뢰할 수 있는 가치 추정
양자화 시뮬레이션 라이트백 및 해석 가능한 프로그램 실행을 위한 기호적 신경 CPU
멀티모달 모방을 위한 개입 가능한 소스-리프팅 플로우 매칭
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.