arXiv · AI· Jacob Levy, Arthur Bouton, Tristan D. Hassler, Hari Nayar, David Fridovich-Keil·· 9 小时前AI 评分24
TERRA：面向火星漫游车高效适应性的定向探索框架
Explore Where It Matters: Targeted Exploration for Efficient Rover Adaptation
AI 导读
TERRA 框架通过奖励加权预测损失引导 MPC 探索，在模拟器中于严重分布外条件下 5 次尝试内达到 90% 爬坡成功率。该框架在 ERNEST 漫游车上 3 至 5 次真实尝试内恢复活跃悬挂协调运动，在奖励、完成时间和能耗上优于探索基线。
来源：arXiv · AI · arxiv.org