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.
불확실성이 있는 시연으로부터 선형 시제 명세 학습
ReinforceGen: 자동화된 데이터 생성과 강화학습을 활용한 하이브리드 스킬 정책
언어 모델에게 수면이 필요하다: 자기 수정과 기억 통합 학습
FlowDAgger: 잠재 공간에서 생성형 로봇 정책의 인간 참여형 적응
SafeExplorer: 복구 개입이 있는 강화학습을 위한 비편향 정책 그래디언트
GenVid2Robot: 강체-기하학적 일관성을 통한 비디오 생성에서 로봇 조작으로
위험 인식 일반 효용 마르코프 결정 과정
WAM-TTT: 테스트 시간에 인간 플레이 영상을 활용한 월드-액션 모델 조종
전체 팔 조작을 위한 촉각 및 시각 조건부 접촉 중심 제어
PAC-ACT: 액션 청킹 트랜스포머를 위한 사후 학습 액터-크리틱
DriveMA: 검증 가능한 메타-액션으로 구동하는 드라이빙 비전-언어-액션 모델
구현된 행동 조건부 월드 모델을 위한 인과적 편향 제거 잠재 행동 모델
확산 정책 학습에서의 표현력과 통계적 트레이드오프
Shift & Drift: 일반화 가능하고 강건한 자율주행 모션 플래닝을 위한 제로샷 벤치마크
견고한 보상 학습을 위한 멀티모달 다중 환경 머신 티칭
잠재 기억 궁전: 자기회귀 변분 추론으로서의 제어를 위한 추론
V-VLAPS: 비전-언어-행동 모델을 위한 가치 기반 계획
피드백 조작 정규화: 모방 학습을 위한 오프라인 에이전트 정렬 가능화
EgoWAM: 야생 환경의 1인칭 인간 데이터로 픽셀을 넘어선 월드 액션 모델
시간적 비율을 통한 비디오-액션 일반화 격차의 이해 및 완화
LEEVLA: Seeing What Matters in Latent Environment Evolution for Vision-Language-Action
WCog-VLA: 엔드-투-엔드 자율주행을 위한 이중 수준 세계-인지 비전-언어-액션 모델
지도 보상 추론
HERB: 빈 패킹을 위한 인간 증강 효율적 강화학습
오프라인 강화학습을 이용한 LLM 에이전트 하네스 제어 학습
액션 캐싱과 정제를 통한 비전-언어-액션 모델의 학습 없는 가속화
다중 장애물 환경에서 안전한 객체 던지기 학습
PoseVLA: 범용 포즈 사전학습을 통한 일반화 가능한 비전-언어-행동 정책
WAM4D: 공간 레지스터 토큰을 통한 빠른 4D 월드 액션 모델
GraspIT: A Dataset Bridging the Sim-to-Real gap and back for Validated Grasping SE(3) Pose Generation
WristMimic: 손목 기반 조작을 통한 전신 휴머노이드 제어
Lift3D-VLA: 3D 기하학 및 역학 인식 조작을 위한 VLA 모델 리프팅
추론 효율적인 세계 행동 모델을 위한 4D 기하학적 사전 학습
TurnOPD: 효율적인 장기 지평 에이전트 학습을 위한 턴 인식 온-정책 지식 증류
역강화학습을 통한 전력 소비 행동 이해
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.