- …
- …
#15
summarized by : Yue Qiu
どんな論文か？
従来のVLNタスクでは①Behaviour cloningを用いた手法はSeen環境に過学習傾向；②強化学習手法はReward engineering issueがある．この二つの問題点から，Soft Expert Reward Learning(SERL)モデルを提案し，Softなルールで教師信号から学習、また，Self percevingモジュールを用いて終点に速くたどり着くように学習される．
新規性
①知識蒸留を用いたsoft expert distillationをVLNタスクに導入し，有効的に従来のBehavior cloningで過学習する問題を対応し，Unseen環境への汎化性能を向上した；②提案のSelf percevingモジュールが有効的にCurrent schedule情報を用いて速くNavigationの終点までたどり着くように学習できる．
結果
①R2RデータセットのSeenとUnseen環境のTrain、Val、Testセットにおいても複数の評価指標にSOTAを達成．②提案のSERLの２つの構造soft expert distillationとself perceivingが互いに有利であることを示した；③SERLが有効的にerror accumulation問題を対応できる．
その他（なぜ通ったか？等）
①汎化性能を向上できるもう一つの手法、VLNでは汎化性能が重視される傾向がある；②文章の構造が理解しやすい．
- …
- …