LASER: Learning a Latent Action Space for Efficient Reinforcement\n Learning
Notice bibliographique
Résumé
The process of learning a manipulation task depends strongly on the action\nspace used for exploration: posed in the incorrect action space, solving a task\nwith reinforcement learning can be drastically inefficient. Additionally,\nsimilar tasks or instances of the same task family impose latent manifold\nconstraints on the most effective action space: the task family can be best\nsolved with actions in a manifold of the entire action space of the robot.\nCombining these insights we present LASER, a method to learn latent action\nspaces for efficient reinforcement learning. LASER factorizes the learning\nproblem into two sub-problems, namely action space learning and policy learning\nin the new action space. It leverages data from similar manipulation task\ninstances, either from an offline expert or online during policy learning, and\nlearns from these trajectories a mapping from the original to a latent action\nspace. LASER is trained as a variational encoder-decoder model to map raw\nactions into a disentangled latent action space while maintaining action\nreconstruction and latent space dynamic consistency. We evaluate LASER on two\ncontact-rich robotic tasks in simulation, and analyze the benefit of policy\nlearning in the generated latent action space. We show improved sample\nefficiency compared to the original action space from better alignment of the\naction space to the task space, as we observe with visualizations of the\nlearned action space manifold. Additional details:\nhttps://www.pair.toronto.edu/laser\n
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».