arXiv cs.RO 机器人学· Carlos Plou, Ana C. Murillo, Ruben Martinez-Cantin·· 5 小时前精选AI 评分47
基于贝叶斯模型的机器人操作主动探索强化学习研究
Active Exploration in Bayesian Model-based Reinforcement Learning for Robot Manipulation
AI 导读
该研究在机器人操作任务中结合贝叶斯深度学习，一方面通过改进校准提升动态模型质量，另一方面在预探索阶段对动态模型做主动学习，估计每个状态转移的信息增益并将其作为探索奖励。实验在 CoppeliaSim 完整机械臂模拟器上比较多种 BDL 方法，结果显示该方法以更低的机器人执行需求达到与相关替代方案相当的质量，代码已开源。
推荐理由
论文在完整机械臂模拟器上验证主动探索方法，相比只在标准 RL 环境验证的工作更贴近真实机器人任务。
来源：arXiv cs.RO 机器人学 · arxiv.org