arXiv cs.RO 机器人学· Yusuf Umut Ciftci, Joonwon Kang, Ajay Suresha Sathya, Somil Bansal·· 5 小时前精选AI 评分57
SCRIM：量化模仿学习中的状态关键性以改进机器人操作策略
Where Small Mistakes Matter: Quantifying State Criticality for Imitation Learning
AI 导读
论文提出 SCRIM（State CRIticality Measure），将模仿学习中的状态关键性形式化为在给定状态下对专家动作施加有界扰动所引起的下游价值最坏情况退化，通过训练对抗扰动策略和价值 critic 来估计该量并为每个演示状态打分。
推荐理由
论文把模仿学习中的状态关键性形式化并给出可操作的度量方法，读者可了解其如何用于损失加权与数据筛选。
来源：arXiv cs.RO 机器人学 · arxiv.org