基于强化学习驱动的模仿学习中师生表征对齐

Meraj Mammadov, Pedro Zuidberg Dos Martires, Johannes Andreas Stork

2026

摘要

本文提出一种新算法，通过自监督对比学习训练共享嵌入空间，使教师策略在训练时避免依赖特权信息，从而缩小模仿学习中的模仿差距。实验表明，该方法在多个领域显著提升了学生策略的性能，减少了与教师策略的差距。

imitation learningreinforcement learningteacher-studentrepresentation alignmentrobotics

LEARNING

开放获取📊 1 引用

Keyi Shen, Glen Chou

2026

LEARNING

📊 0 引用

Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

Yong Tao, Donghua Tan, Fan Ren 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026