arXiv · 机器人与计算机视觉· Pranav Teegavarapu, Sriyash Poddar, Rico Qi, Cleah Winston, Krisha Khandelwal, Aykut Onyol, Natasha Jaques, Abhishek Gupta·· 10 天前AI 评分72
Q-OIL:一种在人类干预学习中实现乐观探索的方法
Q-OIL: Optimistic Exploration in Learning from Human Interventions
AI 导读
针对真实世界机器人部署中人类反馈稀缺且昂贵的问题,本文分析了真实人类干预数据,发现人类常在任务停滞时介入且动作次优。为此提出 Q-OIL 方法,通过在强化学习奖励中加入基于进度的乐观奖励并引导探索至人类修正点来提升学习效率。实验表明该方法在仿真和真机环境中均比基线提升 10-50% 的成功率,并能改进预训练视觉语言动作模型的双手操作任务表现。
来源:arXiv · 机器人与计算机视觉 · arxiv.org