arXiv · 机器人与计算机视觉· Sungjun Heo, Sungjun Yang, Heedon Jeong, Junhyoung Ha, Jeong hwan Jeon·· 9 天前AI 评分68
MoE-DAgger:面向分阶段操作的感知型路由器熵门控选择机制
MoE-DAgger: Transition-Aware Router-Entropy Gating for Selective Human Correction in Phase-Structured Manipulation
AI 导读
论文提出 MoE-DAgger 方法,解决机器人分阶段操作中基于路由器熵的相位监督不足问题。该方法利用因果路由历史区分正常相邻相位切换与异常状态,无需在策略执行中提供相位标签或硬命令。实验显示,在匹配的人工控制预算下,Green 任务成功率达 84.0%,Red 任务为 78.0%,均显著优于无相位感知的过滤熵方法,且在 50 次 rollout 中未观测到碰撞。
来源:arXiv · 机器人与计算机视觉 · arxiv.org