CoRL上，最有意思的五篇文章
近日在山景城召開的第一屆CoLR大會上，雷鋒網也重點了解了這屆大會論文投遞的情況。
從大會官方統計數據看，本次大會總共收到212篇論文，數量最大的三個論文類別分別為增強學習、模型學習和機器人視覺；
，長論文的講解時間為20分鐘，短論文講解時間為6分鐘。
以下是雷鋒網在現場發現的若幹有意思的論文：
1. 《One-Shot Visual Imitation Learning via Meta-Learning》
摘要：為了讓機器人成為可以廣泛地執行通用工作，其必須能在復雜的非結構化環境中快速有效地獲取各種各樣的技能。 像深度神經網絡這樣的高容量模型可以使機器人展示出復雜的技能，但是從頭開始學習每個技能就變得不可行。 在本論文中，我們提出了一種元模擬學習方法，使機器人學習如何更有效地學習，從而使其能夠從單個演示中獲得新的技能。 與先前的單次模擬方法不同，我們的方法可以擴展到原始像素輸入，所需要前期任務數量也大大減少，從而更有效地學習新技能。 我們在模擬機器人和真實機器人平臺上進行的實驗均證明了從單個視覺演示中學習端到端的新任務的能力。
點評：這篇論文是雷鋒網很早就發現的一篇論文，詳見《BAIR論文：通過“元學習”和“一次性學習”算法，讓機器人快速掌握新技能》
2. 《image2mass: Estimating the Mass of an Object from Its Image》
摘要：機器人操縱真實世界中的物體需要理解這些對象的物理屬性。 我們提出了一個從物體的圖像中估計物體質量的模型， 我們收集了包含圖像，大小和重量等信息的大型數據集，並比較了在這個數據集上訓練的圖像的質量的幾個基準模型。同時，我們對比了也在這個問題上人的表現。 最後，我們提出了一個考慮到對象的3D形狀的模型， 這個模型比上述基準和與人類的表現相比都要更好。
點評：斯坦福Copmutational Vision & Geometry Lab的Silvio Savarese教授團隊的一篇文章，看一張圖片，預測物體的重量，這個應用很酷。據第一作者Trevor Standley介紹，他們使用Amazon的API接口獲取大量商品信息作為數據集，除了估計體積和密度的兩個模塊，還有一個專門估計物體3D形狀的神經網絡模塊，從而進一步保證物體估計的準確度。
3.《Neural Task Programming: Learning to Generalize Across Hierarchical Tasks》
摘要： 在本論文中，我們提出了一種名為神經任務編程（NTP）的新型機器人學習框架，該方法可以通過較少的示範和神經程序引導進行學習。NTP可將輸入的規範性任務（例如任務的視頻演示）遞歸地將其分解成更精細的子任務規範， 這些規範被傳遞到分級神經程序，通過可調用的底層子程序是與環境進行交互。同時，我們在三個機器人操縱任務中驗證了我們的方法，在試驗中，NTP展示了在顯示分層結構和組合結構的順序任務的強泛化能力化。 實驗結果表明，NTP在學習長度不定、可變拓撲和不斷變化的未知任務的學習和拓展有較好的效果。
點評：雖然李飛飛團隊之前的研究更多是在計算機視覺領域，但正是如此，才有可能從機器人領域研究者習慣的視角外去思考問題，這篇論文提出的新思路也值得機器人研究者註意。
4.《Intention-Net: Integrating Planning and Deep Learning for Goal-Directed Autonomous Navigation》
摘要：如何將送貨機器人可靠地導航到新辦公大樓中的目的地，並提供最少的先驗信息？ 為了應對這一挑戰，本文介紹了一種兩層次的分級方法，它集成了無需模型的深度學習和基於模型的路徑規劃。 在低層次上，一個叫做意圖網絡的神經網絡運動控製器被端對端地訓練用於提供魯棒的本地導航。 意圖網絡將來自單個單目照相機的圖像和“意圖”直接映射到機器人控製器。 在高層，路徑規劃者使用粗略地圖（例如二維平麵圖）來計算從機器人當前位置到目標的路徑， 計劃的路徑向意圖網絡提供意圖。 初步的實驗表明，學習的運動控製器是強大的，不受感知的不確定性的影響，並通過與路徑規劃器的整合，有效地推廣到新的環境和目標。
點評：未來的無人駕駛車輛能否像人類一樣，憑借Google Maps就能自動駕駛？這顯然是一個讓無人駕駛更接近“人”的研究。
5. 《Emergent Behaviors in Mixed-Autonomy Traffic》
摘要：交通動態往往是一個復雜的動力係統建模，傳統的分析工具可能難以提供由交通運輸機構和規劃者使用的易處理的策略。如果將自動車輛引入交通係統，需要了解自動化對交通網絡的影響。本文闡述並采用增強學習（RL）的強大框架來處理混合交通控製問題（存在自動駕駛車輛和人類司機）中由此產生的政策和緊急行為，提供了通過混合車隊的自動化和人類司機車輛實現交通自動化的潛力。無模式學習方法被證明自然選擇之前由模型驅動的方法設計的政策和行為，例如穩定和排隊，可以有效提高環路效率甚至超過理論速度極限。值得註意的是，RL通過有效地利用人類駕駛行為的結構來成功地使速度最大化，以形成交叉口網絡的有效車輛間距。我們在穩定性分析和混合自治分析的現有控製理論結果的背景下描述我們的結果。
|
