arXiv · AI· Sriyash Poddar, Yanda Bao, Jacob Krantz, Matthew Chang, Xavier Puig, Roozbeh Mottaghi, Natasha Jaques, Abhishek Gupta·· 16 小时前AI 评分39
ASTEROID 通过非对称策略内蒸馏学习上下文探索
Asymmetric On-Policy Distillation Learns In-Context Exploration
AI 导读
ASTEROID 提出一种学生-教师监督学习框架，通过策略内上下文蒸馏实现测试时探索，在部分可观测环境中有效学习信息收集行为。 该方法在 11 种环境中比强化学习基线少用约 100 倍交互次数，固定探索预算下回报提升约 2 倍，且优于前沿模型。 策略从仿真迁移至真实机器人操作时，在视觉受限条件下成功率高出标准蒸馏 40%。
来源：arXiv · AI · arxiv.org