arXiv · 机器人与计算机视觉· Phillip J. K. Christoffersen, Rachel Ma, Patrick Barrag\'an, Dylan Hadfield-Menell·· 9 天前精选AI 评分82
通过蒸馏信念空间任务与运动规划器部署合规智能体
Deploying Physically and Epistemically Compliant Agents by Distilling Belief-Space Task and Motion Planners
AI 导读
针对强化学习难以完美优化奖励导致行为不合规的问题,本文提出结合离线规划生成轨迹数据集并蒸馏为基于原始观测的策略的方法。该方法引入双重平均损失和ρ-最优强化机制以解决历史依赖策略的难题,并在需要获取信息才能成功的 Scavenger 挑战域中实现超过90%的成功率,而强化学习基线最高仅为5%。研究还展示了该蒸馏策略在遵循未见过的模糊指令及泛化至更大平面图时的迁移能力分别超过60%和75%。
推荐理由
提出将离线规划蒸馏为策略的新方法,在信息获取任务中成功率超90%,显著优于强化学习基线。
来源:arXiv · 机器人与计算机视觉 · arxiv.org