real-world reinforcement learning for robot policiesExperten
Value as Memory: Online-Nachtraining universeller Roboter-Policies mit Wertschätzung
Das Preprint der Shanghai Jiao Tong University lässt eine universelle Roboter-Policy im Einsatz weiterlernen, indem es ihr die eigenen jüngsten Fortschrittsschätzungen als Eingabe gibt und parallel zum Betrieb nachtrainiert. Bei drei realen Langzeitaufgaben, darunter Wäschefalten, stieg die Erfolgsquote im Schnitt um 29,4 Punkte gegenüber demselben System ohne Fortschrittsgedächtnis und um 32,8 Punkte gegenüber klassischem Batch-Nachtraining.