An Algorithmic Perspective on Imitation Learning
Ahogy a robotok és más intelligens ágensek az egyszerűbb környezetektől és problémáktól egyre összetettebb, strukturálatlanabb környezetek felé haladnak, viselkedésük kézi programozása egyre nagyobb kihívást jelent és egyre költségesebbé válik. Gyakran egyszerűbb egy tanárnak demonstrálni egy kívánt viselkedést, mint megpróbálni kézzel megtervezni azt. Ezt a demonstrációból való tanulási folyamatot és az ehhez szükséges algoritmusok tanulmányozását utánzásos tanulásnak nevezzük.
Az An Algorithmic Perspective on Imitation Learning bevezetést nyújt az olvasónak az utánzásos tanulásba. Kitér az alapfeltevésekre, a megközelítésekre és azok kapcsolatára; a probléma megoldására kifejlesztett algoritmusok gazdag halmazára; valamint tanácsokat ad a hatékony eszközökkel és a megvalósítással kapcsolatban.
Az An Algorithmic Perspective on Imitation Learning két célközönséget szolgál ki. Először is, megismerteti a gépi tanulás szakértőit az utánzásos tanulás kihívásaival, különösen azokkal, amelyek a robotikában merülnek fel, valamint az érdekes elméleti és gyakorlati különbségekkel az olyan ismertebb keretrendszerektől, mint a statisztikai felügyelt tanuláselmélet és a megerősítéses tanulás. Másodszor, a robotikusok és az alkalmazott mesterséges intelligencia szakértői számára szélesebb körű ismereteket nyújt az utánzásos tanuláshoz rendelkezésre álló keretekről és eszközökről. Különös figyelmet fordít az utánzásos tanulás és a strukturált előrejelzés megközelítései közötti szoros kapcsolatra.