模仿学习相关 AI 资讯 · AITOP

9月2日

10:08

官方账号arXiv cs.LG@Clinton Enwerem, John S. Baras, Calin Belta

研究比较专家与模仿学习者在ParcelStow任务中的表现。专家和ACT模型在标准速度下均达到100%任务成功率。在最大加速条件下，专家成功率为84%，ACT模型降至53%。ACT模型在插入阶段出现35次对齐失败，相对运动交接后任务完成率仅64%。414次无闭合力的抓取均未完成任务。

论文 ACT ParcelStow 模仿学习

推荐理由：ACT模型模仿专家学习，但在加速条件下性能下降幅度远大于专家，揭示模仿学习的时间鲁棒性问题。

原文

8月3日

11:56

11:56IT之家（博客/媒体）

72°

自变量机器人发布并开源HOST框架，让机器人仅观察29秒人类视频即可学习新技能，成功率达62%，超过零样本基线45%。相比Pi-0.5加微调方案，HOST所需数据量减少50倍，学习速度提升500倍。HOST采用双专家MoT架构，将视觉预测与动作生成分离，并通过动态时间规整按任务进度对齐人类视频与机器人操作。研究论文和代码已全部开源。

AI模型 HOST 自变量机器人机器人学习

推荐理由：自变量开源了HOST框架，机器人看一段几十秒的人类视频就能学新技能，成功率62%，比微调方案省50倍数据。

原文

10:06

官方账号arXiv cs.LG@Luca Viano, Antoine Moulin, Audrey Huang, Volkan Cevher, Philip Amortila, Dylan J. Foster

该论文研究专家交互在模仿学习中的作用，发现交互可放宽对学习者模型的表征要求，只需实现专家价值函数而非完整策略。作者提出OVI算法，在能表示专家价值函数时统计高效，并借助线性最大化预言机实现计算高效。负向结果表明，在仅具备价值可实现性假设下，离线模仿学习算法必须依赖策略类复杂度。实验显示OVI优于BC、DAgger及离线价值法，在模型表达能力弱于专家时增益最大。

论文模仿学习 OVI 交互式学习

推荐理由：这篇论文把模仿学习里交互到底帮不帮忙讲清楚了，还给了能跑的OVI算法，做RL或蒸馏的值得看一眼。

原文

7月2日

11:07

官方账号arXiv cs.AI@Chih-Han Yang, Dai-Jie Wu, Yun-Ping Huang, Ping-Chun Hsieh, Kenneth Marino, Shao-Hua Sun

提出语言批评模仿学习框架，利用自然语言作为结构化监督信号替代标量反馈。通过构建演示的语言标签，明确描述进度、识别次优行为并提供纠正指导。引入语言批评损失，实例化为LC-BC（行为克隆）和LC-DP（扩散策略）两种变体。理论证明该目标上界专家性能差距。在导航、操作和游戏等连续控制任务上，LC-BC和LC-DP优于强模仿学习和离线强化学习基线。

论文 LC-BC LC-DP 语言批评模仿学习

推荐理由：这篇论文教你用自然语言批评代替标量信号，从糟糕的演示中学更好，LC-BC和LC-DP在多个任务上都赢了。

原文

6月17日

10:46

官方账号arXiv cs.AI@Ankita Samaddar, Sandeep Neema, Daniel Balasubramanian, Xenofon Koutsoukos

本文提出一种基于模仿学习的策略学习技术，用于在部分可观测的自主网络环境中预测红方（攻击方）动作。该方法适用于离散状态和离散动作的强化学习智能体。集成到使用行为树和LECs的神经符号自主防御智能体后，该方法能有效处理不同红方策略，并在多种模拟场景下实现高预测准确率。

论文模仿学习强化学习 AI安全

推荐理由：这篇论文用模仿学习帮防守方预测攻击者行动，在模拟网络攻防场景下准确率很高。

原文

6月15日

11:11

官方账号arXiv cs.AI@Zihao Li, Ranpeng Qiu, Yincong Chen, Guoqiang Ren, Weiming Zhi

该论文提出TRACE，一种针对延迟证据视觉运动模仿任务的记忆框架。TRACE使用路径签名（path signatures）作为轨迹条件键，从固定大小潜在记忆中写入和检索早期可见的视觉证据。在真实世界长时操作任务中，TRACE相比短历史基线（1-step history）和循环记忆（GRU）提升了分支选择准确率。实验显示TRACE在视觉模糊分支点任务上的成功率超过基线方法15-30%。

论文 TRACE path signatures delayed-evidence

推荐理由：用路径签名记住消失的视觉线索

原文

6月11日

11:04

官方账号arXiv cs.AI@Adam Wei, Nicholas Pfaff, Thomas Cohn, Arif Kerem Dayı, Constantinos Daskalakis, Giannis Daras, Russ Tedrake

精选72°

机器人领域的高质量任务数据昂贵且难以收集，而次优数据（低质量或分布外演示）却大量存在。现有方法在同时训练两类数据时，常无法区分次优样本中的有用和有害特征。Ambient Diffusion Policy 通过引入噪声依赖的数据使用策略，仅在高和低扩散时间步利用次优数据，从而提取有用特征。该方法基于机器人动作数据的频谱幂律分布，利用全局到局部层次和局部性两个性质。在六项任务上，针对四种次优数据（噪声轨迹、仿真到现实差距、任务不匹配、大规模数据混合），该方法均有效，并在 Open X-Embodiment 数据集上比现有方法提升高达33%。

论文机器人模仿学习扩散策略

推荐理由：机器人团队终于有了一个能高效利用次优数据的实用方法——Ambient Diffusion Policy 解决了低质量数据难以训练的问题，做机器人模仿学习的开发者可以直接在现有数据集上尝试，有望大幅降低数据收集成本。

原文

10:08

官方账号arXiv cs.LG@Balázs Gyenes, Emiliyan Gospodinov, Jan Frieling, Enrico Krohmer, Nicolas Schreiber, Xiaogang Jia, Niklas Freymuth, Gerhard Neumann

精选

该研究提出将点云从笛卡尔空间映射到高维傅里叶空间，以解决神经网络在模仿学习中难以学习高频空间特征的问题。在 RoboCasa 和 ManiSkill3 基准测试以及真实机器人实验中，傅里叶特征显著提升了基于点云的策略在精细操控任务上的表现。该方法简单、鲁棒，且适用于多种编码器架构，有望成为点云模仿学习的通用工具。

论文模仿学习机器人操控点云

推荐理由：做机器人操控和模仿学习的团队值得关注——傅里叶特征解决了神经网络对低频偏好的固有问题，让你在点云策略上直接获得高精度提升，代码和视频已开源，可以直接上手试。

原文

6月9日

12:33

官方账号arXiv cs.LG@Quinn Pfeifer, Ethan Pronovost, Paarth Shah, Khimya Khetarpal, Siddhartha Srinivasa, Abhishek Gupta

精选

华盛顿大学团队提出 DARP（差异感知检索策略），一种半参数检索式模仿学习方法，通过重用在推理时的训练数据来缓解行为克隆的分布外泛化问题。DARP 不学习全局策略，而是基于专家演示的 k 近邻、对应动作及邻居与查询状态的相对距离向量来预测动作。该方法无需额外数据收集、在线专家反馈或任务特定知识，在连续控制和机器人操作等任务上比标准行为克隆提升 15-46%。代码和演示已开源。

论文模仿学习行为克隆检索增强

推荐理由：DARP 用检索替代全局映射，解决了行为克隆在部署时误差累积的痛点，做机器人学习和模仿学习的开发者可以直接参考其开源代码。

原文

5月18日

10:37

官方账号arXiv cs.LG@Fateme Golivand, Michael Skinner, Saurabh Mathur, Ameet Soni, Phillip Reeder, Kristian Kersting, Lakshmi Raman, Sriraam Natarajan

精选

该研究将儿科ECMO（体外膜肺氧合）中的临床决策建模为从轨迹中学习行动的问题，即模仿学习，且行动并非直接观测。研究采用基于Transformer的TabPFN模型，与XGBoost、MLP等传统基线在真实儿科ECMO数据上对比。结果显示TabPFN方法在预测临床行动上持续优于传统模型，可作为儿科ECMO决策支持的强基线。这项工作解决了儿科重症监护中数据稀缺和高度复杂性的挑战，为AI辅助临床决策提供了新思路。

论文模仿学习儿科ECMO 临床决策支持

推荐理由：儿科重症团队终于有了一个能处理数据稀缺和高复杂性的AI基线——TabPFN在ECMO决策建模上超越传统方法，做临床决策支持系统的研究者可以直接拿来对比或集成。

原文