研究者提出XFD纯仿真sim-to-real强化学习框架
热点事件持续更新
研究者提出XFD纯仿真sim-to-real强化学习框架
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Wei Yao等研究者提出XFD，一个由可解释AI（XAI）引导的傅里叶域泛化框架，用于纯仿真的sim-to-real深度强化学习。其做法是从仿真观测中提取可解释性归因图，转化为策略条件化的傅里叶域干预，在仿真内构造增强鲁棒性的视觉域。 据该研究，仿真与零样本真实世界部署实验显示，XFD在行驶距离和奖励上持续优于标准策略与随机域随机化基线，在杂乱背景的未见地图上尤为明显。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
XFD：XAI 引导的傅里叶域泛化，实现纯仿真 Sim-to-Real 深度强化学习报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AIXFD：XAI 引导的傅里叶域泛化，实现纯仿真 Sim-to-Real 深度强化学习
研究者提出 XFD，一个由可解释 AI（XAI）引导的傅里叶域泛化框架，用于纯仿真的 sim-to-real 深度强化学习。它从仿真观测中提取可解释性归因图，转化为策略条件化的傅里叶域干预，在仿真内构造增强鲁棒性的视觉域。仿真与零样本真实世界部署实验显示，XFD 在行驶距离和奖励上持续优于标准策略与随机域随机化基线，在杂乱背景的未见地图上尤为明显。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。