arXiv cs.AI· Ryan Gao, Ashvin Anilkumar, Nicholas Corrado, William Cong, Josiah Hanna·· 8 小时前AI 评分29
RSSM-RLPD：NAO 机器人无高质量状态估计下的真实交互强化学习
Reinforcement Learning from Real-Robot Interaction without High-Quality State Estimates
AI 导读
研究者提出 RSSM-RLPD，让 NAO 机器人仅靠机载无迹卡尔曼滤波（UKF）估计状态、无需动作捕捉或顶置摄像头，就能通过真实交互学习踢球入门。该方法用 RSSM 学习状态表示并仅在观测到球时修正隐状态，30 分钟真实交互后即可从多个起始位置进球，成功率达 100%，而前馈策略为 0%。仿真实验显示其成功率也高于行为克隆、前馈和 GRU 基线。
来源：arXiv cs.AI · arxiv.org