arXiv Robotics· Ruiqi Wang, Dezhong Zhao, Xuesu Xiao, Erdem Biyik, Byung-Cheol Min, Guohua Chen·· 2 小时前AI 评分38
PrefO2O：通过离线到在线潜在偏好迁移实现零样本偏好强化学习
PrefO2O: Zero-Shot Preference-Based Reinforcement Learning via Offline-to-Online Latent Preference Transfer
AI 导读
PrefO2O 提出离线到在线潜在偏好迁移框架，在无需任何人类反馈的情况下对未见目标任务实现零样本偏好强化学习。该方法从少量源任务离线偏好数据中学习任务无关的潜在偏好空间，并用置信度加权最优传输对齐生成伪偏好监督以在线适配奖励。在机器人操作与运动基准上，其表现超过现有偏好迁移基线，达到或超过使用真实人类反馈训练的 PbRL 方法，并可跨多对一、一对一迁移设置及不同机器人本体泛化。
来源：arXiv Robotics · arxiv.org