Агенты с диффузионным усилением: Фреймворк для эффективного исследования и обучения передаче

Diffusion Augmented Agents: A Framework for Efficient Exploration and Transfer Learning

July 30, 2024

Авторы: Norman Di Palo, Leonard Hasenclever, Jan Humplik, Arunkumar Byravan

cs.AI

Аннотация

Мы представляем Diffusion Augmented Agents (DAAG), новую концепцию, которая использует большие языковые модели, модели видео-языка и модели диффузии для улучшения эффективности выборки и обучения с переносом в обучении с подкреплением для инкорпорированных агентов. DAAG переосмысливает опыт агента, используя модели диффузии для преобразования видео таким образом, чтобы они соответствовали целевым инструкциям во временном и геометрическом аспектах с использованием метода, который мы называем Hindsight Experience Augmentation. Большая языковая модель оркестрирует этот автономный процесс без необходимости человеческого наблюдения, что делает его подходящим для сценариев пожизненного обучения. Этот фреймворк сокращает количество данных с разметкой наград, необходимых для 1) донастройки модели видео-языка, действующей как детектор награды, и 2) обучения агентов с подкреплением на новых задачах. Мы демонстрируем прирост эффективности выборки DAAG в симулированных средах робототехники, включающих манипуляции и навигацию. Наши результаты показывают, что DAAG улучшает обучение детекторов наград, перенос прошлого опыта и освоение новых задач - ключевые навыки для развития эффективных агентов пожизненного обучения. Дополнительные материалы и визуализации доступны на нашем веб-сайте https://sites.google.com/view/diffusion-augmented-agents/

English

We introduce Diffusion Augmented Agents (DAAG), a novel framework that leverages large language models, vision language models, and diffusion models to improve sample efficiency and transfer learning in reinforcement learning for embodied agents. DAAG hindsight relabels the agent's past experience by using diffusion models to transform videos in a temporally and geometrically consistent way to align with target instructions with a technique we call Hindsight Experience Augmentation. A large language model orchestrates this autonomous process without requiring human supervision, making it well-suited for lifelong learning scenarios. The framework reduces the amount of reward-labeled data needed to 1) finetune a vision language model that acts as a reward detector, and 2) train RL agents on new tasks. We demonstrate the sample efficiency gains of DAAG in simulated robotics environments involving manipulation and navigation. Our results show that DAAG improves learning of reward detectors, transferring past experience, and acquiring new tasks - key abilities for developing efficient lifelong learning agents. Supplementary material and visualizations are available on our website https://sites.google.com/view/diffusion-augmented-agents/