NYU ROT

模仿学习在有效学习政策方面具有巨大的前景 复杂的决策问题。当前最先进的算法经常使用 逆向强化学习（IRL），其中给出了一组专家演示， 代理或者推断奖励函数和关联的最优策略。 但是，这种IRL方法通常需要大量的在线交互才能 复杂的控制问题。在这项工作中，我们提出了正则化最优传输 （ROT），一种新的模仿学习算法，建立在最优技术的最新进展之上 基于传输的轨迹匹配。我们的关键技术见解是自适应的 将轨迹匹配奖励与行为克隆相结合可以显着 即使只有几个演示，也能加速模仿。我们在 20 上的实验 跨DeepMind Control Suite，OpenAI机器人套件的视觉控制任务， 元世界基准测试显示模仿速度平均快 7.8× 与现有最先进的方法相比，达到专家绩效的 90%。 在现实世界的机器人操作中，只需一个演示和一个小时的 在线培训，ROT在90个任务中实现了1.14%的平均成功率。

搜集汇总

背景与挑战

背景概述

NYU ROT数据集聚焦于机器人学习中的模仿学习，提出正则化最优传输（ROT）算法，通过自适应结合轨迹匹配奖励与行为克隆，显著加速模仿过程。该算法在多个控制任务和现实机器人操作中表现高效，例如仅需单个演示和一小时在线培训即可实现高成功率。