arXiv · 机器人与计算机视觉· Sriyash Poddar, Yanda Bao, Jacob Krantz, Matthew Chang, Xavier Puig, Roozbeh Mottaghi, Natasha Jaques, Abhishek Gupta·· 28 天前精选AI 评分83
ASTEROID:一种基于不对称同策略蒸馏的测试时探索学习框架
Asymmetric On-Policy Distillation Learns In-Context Exploration
AI 导读
针对部分可观测环境下的序列决策难题,本文提出 ASTEROID 框架,利用学生 - 教师监督学习架构实现高效的测试时探索。该方法让学生先收集同策略上下文,再由特权专家提供条件化动作标签,使学生学会在不确定时搜索、揭示隐藏状态后利用。
推荐理由
提出 ASTEROID 框架,通过不对称同策略蒸馏让学生在部分可观测环境下学会测试时探索,仿真转现实成功率提升 40%。
来源:arXiv · 机器人与计算机视觉 · arxiv.org