Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2503.20839

帮助 | 高级搜索

计算机科学 > 机器人技术

arXiv:2503.20839 (cs)
[提交于 2025年3月26日 (v1) ,最后修订 2025年8月14日 (此版本, v2)]

标题: TAR:通过对比学习实现的四足运动教师对齐表示

标题: TAR: Teacher-Aligned Representations via Contrastive Learning for Quadrupedal Locomotion

Authors:Amr Mousa, Neil Karavis, Michele Caprio, Wei Pan, Richard Allmendinger
摘要: 四足运动通过强化学习(RL)通常使用教师-学生范式来解决,其中特权教师指导本体感觉学生策略。 然而,诸如特权教师与仅本体感觉的学生之间的表示不匹配、由于行为克隆导致的协变量偏移以及缺乏可部署的适应性等问题,导致在现实场景中泛化能力较差。 我们提出了通过对比学习对齐教师表示(TAR),一种利用特权信息和自监督对比学习来弥合这一差距的框架。 通过在模拟中使用对比目标将表示对齐到特权教师,我们的学生策略学习到结构化的潜在空间,并在分布外(OOD)场景中表现出稳健的泛化能力,超过了完全特权的“教师”。 结果表明,与最先进的基线相比,训练速度提高了2倍,以达到最佳性能。 与现有方法相比,OOD场景的泛化能力平均提高了40%。 此外,TAR在部署期间无缝过渡到学习,而无需特权状态,为样本高效、自适应的运动设定了新基准,并在现实场景中实现了持续微调。 开源代码和视频可在 https://amrmousa.com/TARLoco/ 获取。
摘要: Quadrupedal locomotion via Reinforcement Learning (RL) is commonly addressed using the teacher-student paradigm, where a privileged teacher guides a proprioceptive student policy. However, key challenges such as representation misalignment between privileged teacher and proprioceptive-only student, covariate shift due to behavioral cloning, and lack of deployable adaptation; lead to poor generalization in real-world scenarios. We propose Teacher-Aligned Representations via Contrastive Learning (TAR), a framework that leverages privileged information with self-supervised contrastive learning to bridge this gap. By aligning representations to a privileged teacher in simulation via contrastive objectives, our student policy learns structured latent spaces and exhibits robust generalization to Out-of-Distribution (OOD) scenarios, surpassing the fully privileged "Teacher". Results showed accelerated training by 2x compared to state-of-the-art baselines to achieve peak performance. OOD scenarios showed better generalization by 40% on average compared to existing methods. Moreover, TAR transitions seamlessly into learning during deployment without requiring privileged states, setting a new benchmark in sample-efficient, adaptive locomotion and enabling continual fine-tuning in real-world scenarios. Open-source code and videos are available at https://amrmousa.com/TARLoco/.
评论: 这项工作已被接受在IEEE/RSJ智能机器人与系统国际会议(IROS)2025上发表。
主题: 机器人技术 (cs.RO) ; 机器学习 (cs.LG); 系统与控制 (eess.SY)
引用方式: arXiv:2503.20839 [cs.RO]
  (或者 arXiv:2503.20839v2 [cs.RO] 对于此版本)
  https://doi.org/10.48550/arXiv.2503.20839
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Amr Mousa [查看电子邮件]
[v1] 星期三, 2025 年 3 月 26 日 12:49:26 UTC (10,539 KB)
[v2] 星期四, 2025 年 8 月 14 日 17:09:59 UTC (4,799 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.RO
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-03
切换浏览方式为:
cs
cs.LG
cs.SY
eess
eess.SY

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号