Learning Manipulation Policies from Demonstrations for Robots

本文提出了一种面向机器人操作的从演示中学习策略方法。该方法通过结合行为克隆与强化学习微调，从人类演示中快速获取操作技能，并通过自主交互进一步提升策略性能。文章分析了不同演示采集方式（遥操作、动觉教学、VR演示）和策略表示方法（端到端神经网络、模块化策略、基于技能的策略）对学习效果的影响，提出了演示数据增强与策略正则化方法，并在仿真和真实机器人上验证了从演示中学习操作策略的效率和泛化能力。来源机构包括Google Research、MIT、Oxford等。