LEARNING
基于自适应想象的目标数据有限视觉强化学习域适应方法
Hyunwoo Park, Sang-Hyun Lee
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出AIDA框架，通过自适应想象生成可靠的语义滚动轨迹来增强有限的目标数据，解决视觉强化学习中模拟到现实迁移的域适应问题。该方法在目标数据稀缺时仍能保持良好性能，无需与目标环境额外交互。
关键词
domain adaptationvisual reinforcement learningsim-to-real transferadaptive imaginationlimited target data
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018