arXiv · 机器人与计算机视觉· Carlos Plou, Ana C. Murillo, Ruben Martinez-Cantin·· 2026-10-15AI 评分72
基于贝叶斯模型强化学习的机器人操作主动探索方法
Active Exploration in Bayesian Model-based Reinforcement Learning for Robot Manipulation
AI 导读
针对机器人操作中数据采集成本高及复杂环境下的多任务挑战,该研究提出一种结合贝叶斯深度学习的方法,旨在提升模型校准质量并提高数据效率。通过在初步探索阶段对动态模型进行主动学习,利用每次状态转移的信息增益作为探索奖励。实验在 CoppeliaSim 完整机械臂仿真器上进行,结果显示该方法在机器人执行要求远低于现有替代方案的情况下,达到了相当的任务完成质量。代码已公开。
来源:arXiv · 机器人与计算机视觉 · arxiv.org