Zobrazeno 1 - 10
of 19 619
pro vyhledávání: '"learning from observation"'
Incorporating the successful paradigm of pretraining and finetuning from Computer Vision and Natural Language Processing into decision-making has become increasingly popular in recent years. In this paper, we study Imitation Learning from Observation
Externí odkaz:
http://arxiv.org/abs/2404.18896
Imitation Learning from Observation (ILfO) is a setting in which a learner tries to imitate the behavior of an expert, using only observational data and without the direct guidance of demonstrated actions. In this paper, we re-examine optimal transpo
Externí odkaz:
http://arxiv.org/abs/2310.01632
Applying learning-from-observation to household service robots: three task common-sense formulations
Publikováno v:
Frontiers in Computer Science, Vol 6 (2024)
Utilizing a robot in a new application requires the robot to be programmed at each time. To reduce such programmings efforts, we have been developing “Learning-from-observation (LfO)” that automatically generates robot programs by observing human
Externí odkaz:
https://doaj.org/article/811dc3cb43a64aa2ae0489dbc3b9e70e
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Deep Reinforcement Learning (DRL) has achieved remarkable advances in sequential decision tasks. However, recent works have revealed that DRL agents are susceptible to slight perturbations in observations. This vulnerability raises concerns regarding
Externí odkaz:
http://arxiv.org/abs/2312.08751
Autor:
Liu, Yuyang, Dong, Weijun, Hu, Yingdong, Wen, Chuan, Yin, Zhao-Heng, Zhang, Chongjie, Gao, Yang
Humans often acquire new skills through observation and imitation. For robotic agents, learning from the plethora of unlabeled video demonstration data available on the Internet necessitates imitating the expert without access to its action, presenti
Externí odkaz:
http://arxiv.org/abs/2310.07433
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Liu, Wei a, c, Lai, Zhilu d, Stoura, Charikleia D. b, Bacsa, Kiran b, c, Chatzi, Eleni b, c, ⁎
Publikováno v:
In Mechanical Systems and Signal Processing 15 February 2025 225