arXiv · 机器人与计算机视觉· Seonghyeon Lim, Hyeonwoo Lee, Mincheol Kim, Kimin Lee, Hyun Myung·· 16 天前精选AI 评分78
MAPO:一种用于通用类人运动跟踪的混合专家交替策略优化方法
MAPO: Mixture of Experts with Alternating Policy Optimization for Universal Humanoid Motion Tracking
AI 导读
针对混合专家(MoE)策略在政策梯度更新中因动态路由导致旧版与新版策略发散误估的问题,本文提出 MAPO 方法,通过交替优化路由器与专家网络来避免该误估。实验显示,MAPO 能持续跟踪 PPO with MoE 失败的 182 个运动样本,而后者仅能跟踪 MAPO 失败的 1 个样本。该方法在对比方法中取得了最高的跟踪成功率及最低的跟踪误差。
推荐理由
提出 MAPO 方法解决 MoE 策略梯度更新中的发散误估问题,在通用类人运动跟踪任务上显著优于 PPO with MoE。
来源:arXiv · 机器人与计算机视觉 · arxiv.org