LOPAL：局部性能感知主动学习

2026年10月28日，arXiv Robotics 刊出由 Johannes Heidersberger、Shail Jadav、Dongheui Lee 提出的 LOPAL（LOcal Performance-aware Active Learning）主动学习方法，用于从不完美演示中学习。该方法由两部分组成：一是局部性能驱动的 LfD 模块，用高斯混合模型（GMM）同时编码演示轨迹及其局部质量评估，从而生成优于不完美演示的轨迹；二是主动数据采集，在缺少优质数据的区域通过共享自主（SA）机制请求用户修正。在真实管道巡检任务中，该方法任务性能最高提升 27.31%，同时减少了采集演示所需的投入。目前报道未提及该方法在其他任务或场景中的适用性，也未给出收费、额度或地域限制等信息。

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。