信念空间规划器蒸馏训练合规智能体

2026年11月10日，arXiv Robotics 刊出 Phillip J. K. Christoffersen 等作者的研究，提出将信念空间任务与运动规划器蒸馏为策略的方法：先离线规划生成样本轨迹数据集，再把规划结果蒸馏成直接作用于原始观测的策略，用于在不确定性下遵循信念相关规则的智能体。作者同时提出 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。评估方面，报道称学习到的策略在 Scavenger 中成功率超过 90%，而强化学习（RL）至多 5%；蒸馏后的规划器对未见且刻意模糊指令的迁移成功率超过 60%，对大于训练所见平面图的成功率超过 75%。上述数字均为该来源的表述，尚待独立验证。

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。