.png){kind=icon}
返回
DDOI: Decomposed Skill Discovery for Object Interaction
.png){kind=icon}
OA
AI
DOI：10.1007/s11063-026-11881-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
虽然基于互信息（MI）的无监督技能发现已展现出学习可复用机器人行为的前景，但现有方法通常发现静态技能，且状态覆盖有限。这可能导致其在机器人-物体交互场景中的局限性，因为通过机器人运动难以诱导有意义的物体状态转换。在本文中，我们针对与物体交互的机器人代理提出了DDOI（面向物体交互的分解技能发现）。在基于MI的技能发现框架下，将隐式技能分解为物体技能和机器人技能。物体技能通过受欧几里得距离或可控性感知距离约束的物体技能判别器学习，鼓励实现远距离且难以达成的物体状态转换。机器人技能则通过同时考虑机器人与物体状态以及物体技能的机器人技能判别器进行训练，使机器人能够习得有助于实现期望物体状态转换的行为。我们在Ant、Ant-Box和Humanoid MuJoCo环境中对DDOI进行了测试，这些环境作为平面单物体交互基准。以物体状态覆盖为主要评估指标，并辅以下游目标达成成功率为附加指标。在这些环境中，DDOI的变体相比对比基线展现出更一致的物体状态覆盖和更强的下游性能。
Keyword:
Unsupervised skill discovery
Mutual information
Skill decomposition
Object interaction