跳到正文
arXiv · 机器人与计算机视觉· Chun Gu, Xiaofei Wei, Yiming Chen, Bozhou Zhang, Juntong Zhang, Xiatian Zhu, Li Zhang·· 28 天前精选AI 评分82

TIDE:一种用于机器人操作的基于人机回环的在线后训练方法

Training in Deployment: Human-in-the-loop Online Post-Training for Robot Manipulation

AI 导读

论文提出了 TIDE 系统,这是一种无需学习评论家、奖励模型或动作评分器的在线后训练框架。该方法通过源条件监督学习,利用部署过程中收集的人机交互数据和策略生成的轨迹来更新策略。

推荐理由

该工作提出无需奖励模型或价值函数的在线后训练框架,利用部署中的人机交互数据快速更新策略。

来源:arXiv · 机器人与计算机视觉 · arxiv.org