Preference Learning专业
PrefPI:偏好引导策略迭代,让预训练机器人策略闯入分布外行为
这篇arXiv预印本提出了PrefPI,一种仅用相对偏好反馈、迭代式引导预训练生成式机器人策略移出其初始有效支持范围的框架。它通过偏好条件生成建模与分类器无关引导(CFG)放大偏好信号,在真机上仅用150条偏好标注轨迹就将物体搬运高度从10.7厘米提升到19.8厘米。该方法为机器人行为对齐用户偏好提供了轻量级路径。
机器人与具身智能领域的最新论文,以及每篇对产业的意义。
这篇arXiv预印本提出了PrefPI,一种仅用相对偏好反馈、迭代式引导预训练生成式机器人策略移出其初始有效支持范围的框架。它通过偏好条件生成建模与分类器无关引导(CFG)放大偏好信号,在真机上仅用150条偏好标注轨迹就将物体搬运高度从10.7厘米提升到19.8厘米。该方法为机器人行为对齐用户偏好提供了轻量级路径。
论文来自 arXiv 机器人领域。尚未生成摘要的论文,显示摘要开头部分。