10:10
官方一手arXiv: Google DeepMind@Jinwen Wang, Youfang Lin, Xiaobo Hu, Qian Xu, Shuo Wang, Zhuo Chen, Kai Lv
推荐理由：这篇论文教你用自监督方法解耦视觉特征，T2RD在泛化能力上比现有方法强出一截，做机器人和控制任务的值得看看。
视觉强化学习
共 2 条相关 AI 资讯
7月2日
10:10
T2RD提出通过自监督方式将观测分解为任务相关和任务无关表示，包含三个组件：任务相关表示一致性、交叉重建和交叉动态预测。前两个组件实现内容与风格特征解耦，第三个组件引入动态预测以进一步提取任务相关特征。在DeepMind Control Suite和Robotic Manipulation任务上，T2RD实现了SOTA的泛化性能和样本效率。
6月30日
10:15
10:15
官方账号arXiv cs.AI@Hyunwoo Park, Sang-Hyun Lee
推荐理由：仿真到真实迁移一直难做，这篇论文的AIDA方法在目标数据极少时仍能大幅提升性能，比之前的方法强不少。