arXiv · 机器人与计算机视觉· Martin Schuck, Maks Sorokin, Simone Manni, Duy Ta, Angela P. Schoellig, Marco Hutter, Simon Le Cleac'H, Jan Br\"udigam·· 23 天前AI 评分75
基于 SMPC 演示的 loco-manipulation 学习与稀疏离线到在线 RL
Learning Loco-Manipulation From SMPC Demonstrations With Sparse Offline-to-Online RL
AI 导读
该论文提出了一种结合样本预测控制(SMPC)与强化学习的框架,旨在解决机器人自主性中移动与操作整合时的奖励塑造瓶颈。研究完全在仿真环境中利用 SMPC 作为自动化专家生成大规模离线数据集,从而解决了探索问题,使得后续可以使用纯稀疏任务奖励训练离线策略 RL 智能体。
来源:arXiv · 机器人与计算机视觉 · arxiv.org