Preference Learning上級
PrefPI、相対選好のみで事前学習済み生成方策を初期分布外の行動へ段階的に誘導
PrefPIは、事前学習済み生成ロボット方策を、自己生成軌跡に対する相対選好のみで初期方策の有効サポート外へ誘導する反復フレームワークである。実機では150件の選好ラベル付き軌跡で物体搬送高さを10.7cmから19.8cmに高め、成功率90%以上を維持した。本論文は査読前のプレプリントである。
ロボティクスとフィジカルAIの最新論文と、それぞれが産業にもたらす意味。
PrefPIは、事前学習済み生成ロボット方策を、自己生成軌跡に対する相対選好のみで初期方策の有効サポート外へ誘導する反復フレームワークである。実機では150件の選好ラベル付き軌跡で物体搬送高さを10.7cmから19.8cmに高め、成功率90%以上を維持した。本論文は査読前のプレプリントである。
論文は arXiv のロボティクス分野から取得しています。当社の要約が未作成の場合は、要旨の冒頭を表示します。