arXiv Robotics· Phillip J. K. Christoffersen, Rachel Ma, Patrick Barrag\'an, Dylan Hadfield-Menell·· 5 小时前AI 评分34
通过蒸馏信念空间任务与运动规划器部署物理与认知合规的智能体
Deploying Physically and Epistemically Compliant Agents by Distilling Belief-Space Task and Motion Planners
AI 导读
研究者将信念空间规划器离线生成的轨迹蒸馏为直接作用于原始观测的策略，并提出 Dual Averaging 损失与 ρ-Optimal Reinforcement 反馈机制，以解决基于历史策略的蒸馏问题。
推荐理由模型分析
该研究把信念空间任务与运动规划器离线生成的轨迹蒸馏成直接作用于原始观测的策略，用 Dual Averaging 与 ρ-Optimal Reinforcement 缓解历史依赖策略的优化难题。在需主动获取信息的 Scavenger 域中，蒸馏策略成功率超 90%，而 RL 至多 5%，并报告了对未见模糊指令和更大平面图的迁移结果。关注具身智能与安全合规策略的研究者可据此比较规划器蒸馏与端到端 RL 的适用边界，但结论限于仿真域与作者设定的规则。
来源：arXiv Robotics · arxiv.org