【牛津大学博士论文】深度具身智能体的空间推理与规划

文章预览

人类能够通过规划、推理和预测行为的结果来完成具有长期目标的复杂任务。为了使具身智能体（如机器人）实现类似的能力，它们必须获得环境知识，能够在有限的试错预算下迁移到新场景中。基于学习的方法，如深度强化学习，能够从数据中发现并利用应用领域的内在规律和特征，并不断提高其性能，但代价是需要大量的训练数据。本论文探讨了空间推理与规划任务的数据驱动技术的发展，重点在于提高学习效率、可解释性和跨新场景的可迁移性。论文有四项主要贡献。 首先，CALVIN 是一个差分规划器，它学习可解释的世界模型用于长期规划。通过从专家示范中学习奖励（目标和障碍）和状态转换（机器人动力学），CALVIN 成功地在部分可观测的3D环境中导航，例如迷宫和室内房间。 其次，SOAP 是一种强化学习算法，用于无监督地发现用于长时 ………………………………