如何让人模仿猎豹走路？Stuart Russell提出基于最优传输的跨域模仿研习

仿研习扩展到多样的类人运动和非显然增设中的的游戏犯罪行为。从 Wasserstein 到 Gromov-Wasserstein，该科学论文指导是对 Dadashi 等人以及 Papagiannis 和 Li 的横串连，从而超越了科学家和戏仿者在同一亦然中的的容许，并进入了家庭在并不大致相同维度中的的智慧锥体间的串连亦然增设。

串连亦然和基本上的迁离研习。在 RL 中的，并不大致相同亦然间传递知识的指导通常会研习正常维度和跳跃维度间的等价。Ammar 等人应用于无监督流形相反，在不具备近似于局部黎曼形似但假定可以获取手艺摄制特征的正常间认出线性等价。最近在串连视点迁离研习和制定例不意味着特别的指导研习了不需手艺特性的正常等价，但假定可以从两个领亦然获取转成对和时间相反的仿真。

此外，Kim 等人和 Raychaudhuri 等人明确指出了从未配对和未相反使命中的研习正常等价的方法有。所有这些方法有都需智慧锥体使命，即来自两个亦然的组合转成科学家仿真，这容许了这些方法有在想像世界中的的就其。Stadie等人明确指出将牵制研习和亦然混用结合起来，在不需智慧锥体使命的情况在智慧锥体亦然研习解决方案，但他们的方法有仅仅适用于小视点不意味着的情况。Zakka等人采用最大限度驱动的本质，试三幅模拟使命进程，而不是意味着细粒度的结构细节，以便在物理机器人间转换成。

相比之下，这篇科学论文的方法有不依赖研习智慧锥体间的显式串连亦然潜在维度，也不依赖智慧锥体使命。GromovWasserstein 最远使深入研究医务人员能够在没有人构建维度的情况同样相对并不大致相同的维度。现有计量测试使命假定可以访问来自两个智慧锥体的组合转成仿真，而这篇科学论文中的的实验仅仅假定可以访问科学家仿真。

三幅注：等距解决方案在平稳产自的正常-跳跃维度内不具备大致相同的转成对最远。在欧几中的得维度中的，等距变换保留了这些转成对最远并除此以外旋转、平移和反射。

三幅注：Gromov-Wasserstein 最远使我们能够相对不具备并不大致相同静态和正常-跳跃维度的两个智慧锥体的平稳的正常-跳跃产自。我们将其用作串连亦然戏仿研习的假表扬。

三幅注：假定科学家亦然（a）中的的单个科学家超高速，GWIL 在没有人任何从外部表扬的情况以后智慧锥体亦然（b）中的的意味着解决方案。绿点表示初始正常位置，当智慧锥体达到黄色方块表示的最大限度时，事件结束。

3 实验结果

科学论文的深入研究医务人员明确指出了一个由 3 个使命组转成的串连亦然 IL 方法有的计量集，借以回答以下难题：

1. 当智慧锥体亦然是科学家亦然的壳锥体变换时，GWIL能否以后意味着犯罪行为？这是可以的，科学论文的创作者们用迷宫证明了这一点。

2. 当智慧锥体的正常和采取行动维度与科学家并不大致相同时，GWIL能否以后意味着犯罪行为？这也是可以的，本篇科学论文中的，创作者们展出了倒立吊（cartpole）和翻转（pendulum）间严重并不大致相同的正常-跳跃维度以及步行者（walker）和猎豹（cheetah）间总锥体并不大致相同的维度。

为了回答这两个难题，深入研究医务人员应用于了在 Mujoco 和 DeepMind 控制新版本中的实现的模拟不间断控制使命。该研习解决方案的片段可在科学论文的项目其网站上访问。在所有增设中的，创作者在dE和dA的科学家和智慧锥体维度中的应用于欧几中的得等价。

研习解决方案地址：

三幅注：假定翻转亦然（上三幅）中的的单个科学家超高速，GWIL 在没有人任何从外部表扬的情况以后智慧锥体亦然（倒立吊，上三幅）中的的意味着犯罪行为。

三幅注：假定猎豹亦然（上三幅）中的的单个科学家超高速，GWIL 以后智慧锥体亦然（步行者）中的意味着解决方案等距类的两个原素，向前移动是意味着的（中的间），向后移动是次优的（上三幅）。有趣的是，由此去除的步行者的犯罪行为就像一只猎豹。

。

拉肚子吃乳酸菌素片
教师节礼物 复方草珊瑚含片
手术伤口愈合快的方法
急支糖浆与甘草口服液哪个好
美颜抗衰
慢性支气管炎咳嗽怎么治
小儿腹痛
结膜炎