ELA：联合优化隐动作的策略学习与解码

Cheng-Chun Hsu、Peter Stone 提出 ELA，一个从视频示范学习隐动作的端到端框架，将隐动作模型、隐动作策略与动作解码器联合训练，使隐动作同时服务于策略学习和动作解码。作者称，已有隐动作方法未针对下游控制优化隐动作，导致策略难以建模、也难以准确解码为连续机器人动作。 作者报告，在仿真与真实世界操作任务上，ELA 持续优于此前的隐动作基线；它可通过约 400 万参数的轻量动作解码器与现有模仿学习方法结合，无需改动策略架构或训练目标，从而利用大量视频数据和少量带动作标注的机器人示范。 该工作为 arXiv 预印本，尚未经同行评议，上述效果为作者自述，未经独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。