跳到正文
arXiv · 机器人与计算机视觉· Helena Merker, Nick Walker, Andreea Bobu·· 2026-10-16AI 评分38

目标主动偏好学习:解决奖励定义不足的新方法

Asking Smarter Questions: Targeted Active Preference Learning for Underspecified Rewards

AI 导读

针对人类教学难以覆盖任务全貌的问题,该方法利用机器人自身信息构建先验,通过解释性提问引导人类关注关键特征。仿真结果显示,在低查询场景下其表现比标准基准提升高达30.8%;用户研究证实该策略能显著改善奖励恢复效果并产生协同增益。论文已被 CoRL 2026 会议接收,代码与数据开放许可待定。

来源:arXiv · 机器人与计算机视觉 · arxiv.org