予測逆ダイナミクスはいつ行動クローニングを凌駕するのか？

要約

行動クローニング（BC）は専門家のデータが少ないと性能が低下しますが、予測逆ダイナミクスモデル（PIDM）はその代替として注目されています。本研究は、PIDMが将来の状態予測によるバイアスと引き換えに分散を大幅に削減することを理論的に解明しました。実験では、2Dや複雑な3D環境においてPIDMがBCよりも高いサンプル効率を示すことが確認されました。

全文は有料プランで閲覧できます。