跳到正文
arXiv · ML· Stelios Zarifis, Panagiotis Filntisis, George Retsinas, Petros Maragos·· 2026-10-14AI 评分21

DySCOVER:利用预测性好奇心提升机器人视觉学习的自监督框架

Learning to See through Action: Predictive Curiosity for Robots

AI 导读

研究提出自监督框架 DySCOVER,通过预测性好奇心驱动机器人主动收集经验,提升视觉学习效果。 框架包含视觉自编码器和循环世界模型,策略仅由内在奖励训练。预测误差引导策略生成复杂轨迹,补充纯视觉新颖性带来的观察局限。 实验表明,预测性好奇心在所有测试变体中一致改善了视觉学习,超越了仅基于重建的好奇心机制。

来源:arXiv · ML · arxiv.org