交互自模仿学习算法

亚优演示超越最优

通过人机交互逐步将亚优专家演示替换为自生成优良轨迹，使AUV策略摆脱对最优演示的依赖。

Zheng, Fang · Chen, Tianhao · Tian, Shen · Jiang, Dong · Zheng, Zhang · 李光亮

IEEE Robotics and Automation Letters 2025

技术优势

亚优示教即可

算法逐步用自生成优良轨迹替换提供的次优专家演示，摆脱对最优演示的依赖。

超越示范表现

在三个编队控制与避障任务中，性能接近或优于使用最优演示的MAGAIL。

任务泛化强

训练得到的策略能够适应复杂且不同的任务，与使用最优演示的MAGAIL相当。

应用场景

• 多AUV编队控制：为多AUV编队控制提供无需最优示教的策略学习方案，降低演示数据获取门槛。
• 机器人导航：以人机交互方式训练导航策略，适应复杂任务而无需人工调参。
• 自动驾驶策略：从次优示范迭代学习驾驶策略，可在仿真中达到甚至超越专家演示。