IROS 2026论文提出LfDI改进延迟干预下的策略学习

Xiru Zhu等在IROS 2026论文中提出Learning from Delayed Intervention（LfDI）方法，用于模仿学习中专家干预存在延迟时的策略学习：基于专家在何时何地介入学习代价函数，结合专家提供的有限延迟信息，为缺少专家数据的状态推断额外监督，引导策略避开易触发干预的状态。 作者指出，从延迟专家干预学习整体上不如无延迟干预有效，因为延迟干预更难展示避错行为。在模拟环境的评测中，LfDI表现优于其他未考虑干预延迟的方法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。