arXiv · 机器人与计算机视觉· Akansha Kalra, Ellen R. Novoseller, Vernon J. Lawhern, Daniel S. Brown·· 29 天前AI 评分38
P3L 框架实现匿名众包反馈下的可引导多元策略对齐
Steerable Pluralistic Policy Alignment from Anonymized Crowd Feedback
AI 导读
Preference-PCA Pluralistic Learning (P3L) 框架无需标注者身份,即从异构众包反馈中联合学习轨迹嵌入与偏好方向基。实验表明该方法在多种具身控制任务上实现了超越离线数据集的泛化能力,显著降低计算成本并支持可变查询预算。
来源:arXiv · 机器人与计算机视觉 · arxiv.org