arXiv Artificial Intelligence· Yusuf Umut Ciftci, Joonwon Kang, Ajay Suresha Sathya, Somil Bansal·· 18 小时前AI 评分27
SCRIM：量化模仿学习中的状态关键性
Where Small Mistakes Matter: Quantifying State Criticality for Imitation Learning
AI 导读
模仿学习通常对所有演示状态一视同仁，但少数关键状态下微小动作偏差即导致任务失败。研究者提出 SCRIM，通过训练对抗扰动策略与价值评论器，为每个演示状态估计关键性分数，用于重加权行为克隆损失并筛选高价值演示子集。在多种仿真与真实机器人操作任务上，SCRIM 提升了策略训练效果并减少训练数据量，该工作已被 CoRL 2026 接收。
来源：arXiv Artificial Intelligence · arxiv.org