arXiv 发布机器人操作主动探索强化学习论文

2026年10月15日，arXiv Robotics 刊出 Carlos Plou 等作者的论文《Active Exploration in Bayesian Model-based Reinforcement Learning for Robot Manipulation》。据该报道，研究将贝叶斯深度学习用于机器人操作的基于模型强化学习，一方面通过改善校准提升动态模型质量，另一方面在初步探索阶段对动态模型做主动学习，估计每次状态转移的信息增益并将其作为探索奖励，以提升数据效率。报道称，在 CoppeliaSim 完整机械臂仿真器上的实验显示，该方法以远低于相关替代方案的机器人执行需求达到相当的质量，代码已公开。目前该事件仅有这一篇主报道，尚无后续跟进报道，因此不存在需要对照的早先说法或数字差异。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。