arXiv · AI· Pranav Teegavarapu, Sriyash Poddar, Rico Qi, Cleah Winston, Krisha Khandelwal, Aykut Onyol, Natasha Jaques, Abhishek Gupta·· 11 天前AI 评分23
Q-OIL:基于人类干预的机器人乐观探索方法
Q-OIL: Optimistic Exploration in Learning from Human Interventions
AI 导读
该研究提出 Q-OIL 方法,通过在强化学习干预转移中加入乐观奖励,实现比竞争基线更高的成功率。 Q-OIL 在模拟环境及真实机器人上的成功率提升 10-50%,并改善了两个双臂操作任务的预训练 VLAs。 解耦 Critic 对稳定性至关重要,该方法为可扩展的机器人干预学习提供了实用路径。
来源:arXiv · AI · arxiv.org