预演练习：在预算约束下学习机器人技能

近日，一篇来自学术界的论文提出了一种名为“预演练习”的主动技能学习算法，用于在有限练习预算下自主学习机器人技能。该算法为序贯任务设计，能够计算一种被证明为预算最优的分配方案：优先练习那些既能最大化期望累积奖励、又能在预算内掌握的技能。其核心在于通过双线性规划实现精确求解，并利用现成的求解器进行计算。研究者在模拟环境和真实世界的长时程操作任务中进行了实验，结果表明，该方法可使机器人在有限的练习时间内高效获得有用策略，并改善长时程规划能力。