MoE-DAgger提出路由熵门控选择性人工纠正方法

2026年11月10日，arXiv Robotics 刊出 Sungjun Heo 等作者的论文，提出 MoE-DAgger——一种面向分阶段操作任务的选择性人工纠正方法。该方法利用因果路由历史，区分正常相邻阶段切换与异常高熵，以此作为是否请求人工纠正的门控依据。报道称，在匹配的主动人工控制预算下，该方法在 Green 任务取得 84.0%、Red 任务 78.0% 的任务成功率，分别比不考虑阶段的过滤熵方法高 22 和 26 个百分点；每个任务 50 次 rollout 未观察到碰撞。上述数字与对比结论均出自该论文报道，尚无独立复现或后续跟进报道。

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。