跳到主要内容
检索

# 规划器蒸馏

1 篇关联报道

订阅更新
  1. arXiv

    把信念空间规划器蒸馏成策略:Scavenger 里成功率超 90%,强化学习基线最多 5%

    在部分可观测、需要先获取信息才能行动的任务里,直接训练智能体很难稳定满足依赖信念的规则。做法是先在仿真器里用信念空间任务与运动规划器离线生成轨迹,再蒸馏成只看原始观测的策略,并加入双重平均损失与近最优强化两项改动。在新提出的 Scavenger 域中,视觉提示和自然语言提示两个版本的成功率都超过 90%,而奖励工程化的强化学习基线最多 5%。

已读完全部报道