Project Icon

q-transformer

自回归Q函数实现离线强化学习

Q-transformer项目是Google Deepmind提出的可扩展离线强化学习方法的开源实现。该项目通过自回归Q函数优化多动作选择,支持单一和多动作学习,并提供深度对偶架构和n步Q学习。它包含环境交互、数据集创建和学习流程,适用于复杂机器人控制任务。Q-transformer的创新性和灵活性为强化学习研究和应用提供了重要工具。

Q-transformer

Google Deepmind 提出的 Q-Transformer 实现,一种可扩展的离线强化学习方法,通过自回归 Q 函数实现。

为了最终与提出的多动作自回归 Q 学习进行比较,我将保留单一动作 Q 学习的逻辑。这也可以作为我自己和公众的教育资料。

安装

$ pip install q-transformer

使用方法

import torch

from q_transformer import (
    QRoboticTransformer,
    QLearner,
    Agent,
    ReplayMemoryDataset
)

# 注意力模型

model = QRoboticTransformer(
    vit = dict(
        num_classes = 1000,
        dim_conv_stem = 64,
        dim = 64,
        dim_head = 64,
        depth = (2, 2, 5, 2),
        window_size = 7,
        mbconv_expansion_rate = 4,
        mbconv_shrinkage_rate = 0.25,
        dropout = 0.1
    ),
    num_actions = 8,
    action_bins = 256,
    depth = 1,
    heads = 8,
    dim_head = 64,
    cond_drop_prob = 0.2,
    dueling = True
)

# 你需要通过重写 BaseEnvironment 来提供自己的环境

from q_transformer.mocks import MockEnvironment

env = MockEnvironment(
    state_shape = (3, 6, 224, 224),
    text_embed_shape = (768,)
)

# env.init()     应返回指令和初始状态:Tuple[str, Tensor[*state_shape]]
# env(actions)   应返回奖励、下一个状态和完成标志:Tuple[Tensor[()], Tensor[*state_shape], Tensor[()]]

# agent 是一个类,允许 q-model 与环境交互,生成用于学习的回放记忆数据集

agent = Agent(
    model,
    environment = env,
    num_episodes = 1000,
    max_num_steps_per_episode = 100,
)

agent()

# 在回放记忆数据集上对模型进行 Q 学习

q_learner = QLearner(
    model,
    dataset = ReplayMemoryDataset(),
    num_train_steps = 10000,
    learning_rate = 3e-4,
    batch_size = 4,
    grad_accum_every = 16,
)

q_learner()

# 经过大量学习后
# 你的机器人应该能更好地选择最优动作

video = torch.randn(2, 3, 6, 224, 224)

instructions = [
    '把桌子上的那个苹果拿给我',
    '请把黄油递过来'
]

actions = model.get_optimal_actions(video, instructions)

致谢

待办事项

  • 首先朝着单一动作支持的方向努力

  • 提供无批量归一化的maxvit变体,如SOTA天气模型metnet3中所做

  • 添加可选的深度对偶架构

  • 添加n步Q学习

  • 构建保守正则化

  • 实现论文中的主要提议(在最后一个动作之前使用自回归离散动作,仅在最后给予奖励)

  • 改进解码器头部变体,不在帧和学习的标记阶段连接先前的动作。换言之,使用经典的编码器-解码器

    • 允许对精细帧/学习的标记进行交叉注意力
  • 使用轴向旋转嵌入和sigmoid门控(用于不关注任何内容)重做maxvit。通过此更改为maxvit启用快速注意力

  • 构建一个简单的数据集创建器类,接收环境和模型,返回可被ReplayDataset接受的文件夹

    • 完成基本环境循环
    • 将记忆存储到指定文件夹中的内存映射文件
    • 创建接收文件夹的ReplayDataset
      • 1个时间步选项
      • n个时间步
  • 正确处理多个指令

  • 展示一个简单的端到端示例,与其他所有仓库风格相同

  • 处理无指令情况,利用CFG库中的空调节器

  • 缓存动作解码的kv

  • 对于探索,允许精细随机化一部分动作,而不是一次性随机化所有动作

    • 还允许基于Gumbel分布的动作采样,并逐步降低Gumbel噪声
  • 咨询一些强化学习专家,确定是否有解决妄想偏差的新进展

  • 探索是否可以使用随机化的动作顺序进行训练 - 顺序可以作为条件在注意力层之前连接或相加

    • 提供一个改进变体,其中第一个动作标记建议动作顺序。所有动作并非平等,有些可能需要更多地关注过去的动作
  • 实现简单的束搜索函数以获得最优动作

  • 改进对过去动作和时间步状态的交叉注意力,采用transformer-xl方式(带结构化记忆丢弃)

  • 探索本文的主要思想是否适用于语言模型

引用

@inproceedings{qtransformer,
    title   = {Q-Transformer: Scalable Offline Reinforcement Learning via Autoregressive Q-Functions},
    authors = {Yevgen Chebotar and Quan Vuong and Alex Irpan and Karol Hausman and Fei Xia and Yao Lu and Aviral Kumar and Tianhe Yu and Alexander Herzog and Karl Pertsch and Keerthana Gopalakrishnan and Julian Ibarz and Ofir Nachum and Sumedh Sontakke and Grecia Salazar and Huong T Tran and Jodilyn Peralta and Clayton Tan and Deeksha Manjunath and Jaspiar Singht and Brianna Zitkovich and Tomas Jackson and Kanishka Rao and Chelsea Finn and Sergey Levine},
    booktitle = {7th Annual Conference on Robot Learning},
    year   = {2023}
}
@inproceedings{dao2022flashattention,
    title   = {闪光注意力:具有IO感知的快速且内存高效的精确注意力机制},
    author  = {陶, 崔 和 傅, 丹尼尔 Y. 和 尔蒙, 斯特凡诺 和 鲁德拉, 阿特里 和 雷, 克里斯托弗},
    booktitle = {神经信息处理系统进展},
    year    = {2022}
}
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号