arXiv · 机器人与计算机视觉· Apurva Badithela, David Snyder, Tenny Yin, Jade Sceats, George Pappas, Nikolai Matni, Masha Itkina, Haruki Nishimura, Anirudha Majumdar·· 2026-10-19AI 评分35
AnyRank:通过顺序测试实现可靠的多策略排序
AnyRank: Reliable Anytime Policy Ranking via Sequential Testing
AI 导读
AnyRank 提出一种结合顺序检验与多假设图检验的方法,用于在有限硬件试次下对多个机器人策略进行自适应分配并随时提供带错误概率界定的部分排名。该方法可利用仿真或视频世界模型生成的先验信息提升效率,即便先验不完美也不影响统计保证。实验表明,AnyRank 所需硬件评估次数较现有严谨方法减少高达 50%,同时避免了启发式基准产生的错误排序。
来源:arXiv · 机器人与计算机视觉 · arxiv.org