arXiv cs.RO 机器人学· Sreevardhan Sirigiri, Nathan Samuel de Lara, Christopher Agia, Florian Shkurti, Fabio Ramos·· 5 小时前精选AI 评分57
论文提出免模型的机器人模仿学习数据集多样性度量 FAKTUAL
Diversity You Can Actually Measure: A Fast, Model-Free Diversity Metric for Robotics Datasets
AI 导读
论文提出 FAKTUAL（FAst trajectory Kernel enTropy cUration for imitation Learning），一种在子集规模预算下选出熵最大演示子集的免模型数据筛选算法，无需访问模仿策略或 rollout，相对策略训练开销可忽略。
推荐理由
论文把数据集多样性转成可计算的熵指标，做模仿学习数据筛选的工程师可参考其免模型筛选思路。
来源：arXiv cs.RO 机器人学 · arxiv.org