文章预览
Imperative Learning: A Self-supervised Neural-Symbolic Learning Framework for Robot Autonomy 命令式学习:机器人自主的自监督神经符号学习框架 代码:https://sairlab.org/iseries/ https://github.com/sair-lab/iSeries 简介 Code:用神经符号AI解决机器人强化学习等问题,sairlab系列论文代码 https://arxiv.org/pdf/2406.16087 VAP 任务要求模型同时发现交通规则、识别代理概念及其空间关系,并预测代理的动作 探索如何使 ILP 在高维数据如 RGB 图像中有效工作 摘要 数据驱动的方法,如强化学习和模仿学习,在机器人自主性方面取得了显著的成功。然而,它们的数据中心性质仍然阻碍了它们在不断变化的环境中泛化的能力。此外,为机器人任务收集大型数据集通常是不切实际和昂贵的。 为了克服这些挑战,我们引入了一个新的自监督神经符号(NeSy)计算框架,即命令式学习(IL) ,用于机器人自
………………………………