跳到正文
arXiv · 机器人与计算机视觉· Ziqian Huang, Yuzhuo Chen, Shimin Zhang, Junyang He, Xinyue Annie Yang, Animesh Garg·· 28 天前AI 评分73

One Policy, Many Styles: Where to Aggregate Preferences for Steerable Humanoid Control?

One Policy, Many Styles: Where to Aggregate Preferences for Steerable Humanoid Control?

AI 导读

该论文提出在偏好条件强化学习中评估奖励、优势、损失及 PCGrad 等不同层级的目标聚合策略。实验结合响应度与效用指标,对比两种人形控制框架发现:早期聚合能产生更广泛的行为响应但伴随其他目标的非预期变化,而晚期聚合虽提升控制精度却牺牲了部分响应性。材料为预印本版本,未报告真实机器人部署结果或具体性能数字。

来源:arXiv · 机器人与计算机视觉 · arxiv.org