跳到正文
arXiv · 机器人与计算机视觉· Weirui Ye, Yen-Jen Wang, Elvis Hsieh, Zhiyang Dou, Shibo Zhao, Pieter Abbeel, Yilun Du, Leslie Pack Kaelbling, Tom\'{a}s Lozano-P\'{e}rez·· 16 天前精选AI 评分83

基于能量的策略编排:一种用于动态高维任务的模块化策略调度框架

Energy-Based Policy Orchestration

AI 导读

针对分层控制在接触、平衡或扰动快速变化时固定规划器接口失效的问题,本文提出 EPO 方法,通过为每个低层策略学习复合能量模型来实时选择最优的策略 - 目标对。该方法允许在不重新训练现有策略的情况下融入新策略,并在仿真中改善了精度与鲁棒性的权衡,同时展示了在真机人形行走操作任务上部署冻结策略与能量模型的可行性。

推荐理由

提出基于能量的策略编排方法,在仿真与真机人形操作任务中提升模块化策略的可行性与鲁棒性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org