Learning concepts with energy functions
Di cosa parla
Hanno costruito un modello che impara a riconoscere e a generare esempi di concetti spaziali — come “vicino”, “sopra”, “tra”, “più vicino” e “più lontano” — rappresentati come insiemi di punti in due dimensioni. Il modello si basa su una funzione che valuta quanto un esempio corrisponde a un concetto, e apprende questi concetti da poche dimostrazioni. I ricercatori mostrano anche che i concetti appresi in un ambiente 2D possono essere usati per compiti su un robot fisico in 3D.
Cosa permette di osservare
Permette di esplorare se e come rappresentazioni semplici di concetti spaziali, apprese rapidamente in simulazioni elementari, possono essere trasferite a compiti robotici più complessi e diversi dal contesto di addestramento.
Dalla fonte
We’ve developed an energy-based model that can quickly learn to identify and generate instances of concepts, such as near, above, between, closest, and furthest, expressed as sets of 2d points. Our model learns these concepts after only five demonstrations. We also show cross-domain transfer: we use concepts learned in a 2d particle environment to solve tasks on a 3-dimensional physics-based robot.