跳到正文
arXiv · AI· Phillip J. K. Christoffersen, Rachel Ma, Patrick Barrag\'an, Dylan Hadfield-Menell·· 10 天前AI 评分25

通过蒸馏信念空间任务与运动规划器部署物理与认知合规的智能体

Deploying Physically and Epistemically Compliant Agents by Distilling Belief-Space Task and Motion Planners

AI 导读

该研究结合离线规划与策略蒸馏,提出双平均损失和 $\rho$-Optimal Reinforcement 机制以解决历史依赖策略问题。 在包含视觉和自然语言指令的新领域 Scavenger 中,该策略成功率超过 90%,而强化学习最高仅 5%。 蒸馏后的规划器对未见过指令成功率超 60%,对更大楼层平面图成功率超 75%。

来源:arXiv · AI · arxiv.org