08.01.2024, 14:00 Uhr
Universität Wien
Besprechungsraum 4.34
Währinger Str. 29
1090 Wien
Titel: „Imitation Learning from Multiple Perspectives - A
Multi-Discriminator Framework“
Kurzfassung:
Diese Arbeit widmet sich der Lösung des Problem des imitierenden Lernens mit Hilfe der
Nachahmung eines Experten, wobei mehrere Perspektiven dieses Experten in Form von
Videosequenzen bereitgestellt werden. Die Miteinbeziehung von mehreren Perspektiven
bietet nicht nur den Vorteil eines größeren Informationsgehalts, der mit einer Perspektive
nicht abgedeckt werden kann, sondern ermöglicht es auch den Fokus des lernenden
Algorithmus auf die zu diesem Zeitpunkt lehrreichste Perspektive zu lenken. Dieser
Ansatz kann beispielsweise in der Robotik verwendet werden, um einen Menschen im
Bezug auf verschiedene Perspektiven effizient nachzuahmen.
Zu diesem Zweck geben wir einen Überblick über die derzeitige Forschung im Bereich des
imitierenden Lernen und formalisieren das Problem des imitierenden Lernens aus mehreren
Perspektiven. Wir stellen ein erweitertes GAIL [HE16] - Generative Adversarial Imitation
Learning - Framework vor, das durch Verwendung von verschiedenen Perspektiv-Auswahl
Strategien versucht den Lernprozess eines Agenten bestmöglich zu unterstützen.
Wir evaluieren unser Framework in umfangreichen Experimenten und illustrieren
empirisch seine Funktionalität und Lernfähigkeit. Außerdem diskutieren wir den Effekt
der verschiedenen Strategien auf die Performance, beweisen die weiterhin gute Performance
bei eingeschränkter Verfügbarkeit von Expertendaten und demonstrieren eine Verbesserung
der Performance durch unseren Ansatz im Vergleich zu relevanten Baselines.