机器人主动提问解决奖励欠指定

2026年10月16日，arXiv Robotics 报道了一项针对奖励欠指定问题的研究。该研究指出，人类示教往往只能部分覆盖任务特征，从而导致奖励欠指定。为此，研究者提出将纠错负担从人转移到机器人：利用示教数据中暴露的监督薄弱特征构建先验，把偏好查询定向到这些特征，并为每次查询附上解释以聚焦人的注意力。仿真结果显示，该先验在低查询量场景下比标准主动偏好学习基线最高提升30.8%；用户研究显示，先验与解释各自显著改善奖励恢复，且二者相互放大。该工作已被 CoRL 2026 接收。作者为 Helena Merker、Nick Walker、Andreea Bobu。目前进展为论文发表并获会议接收，尚无后续跟进报道。

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。