- …
- …
#14
summarized by : Yue Qiu
どんな論文か？
従来のVLNタスクでは経路とHuman-annotatedのInstructionの生成コストが高いため，学習データが不足．以上の問題点から，Counterfactual thinkingをVLNタスクに導入，学習と同時にデータのRe-sampling（Path sample（APS））を行う．提案のAPSが学習時にProgressivelyで困難な経路をサンプリングし，有効的に学習させられる．
新規性
①Counterfactual thinkingをVLNタスクに導入した．Adversarial path samplerを提案し，段階的にNavigation policyの学習のためのデータサンプリングを行う；②APSが有効的に既存の手法に適応でき，Unseen環境に対しての汎化性能を向上できる．
結果
①R2Rデータセットでの実験結果により，提案のAdversarial training processを用いて既存のVLN手法のKnownとUnknown seenとも性能向上できる；②APSがUnseen環境でPre-explorationとして用いられる．それにより，Unseen環境での性能をさらに向上できた．
その他（なぜ通ったか？等）
①提案構造はほかの既存VLNの手法に適応しやすい；②汎化性能に関して検討を行っている．
- …
- …