面向太空机器人的无奖励持续适应框架

太空机器人运行在极端环境中，硬件退化会严重影响传统控制策略。虽然持续强化学习强化学习一种 AI 训练方法：让机器人在亿万次「试错」中自己摸索，做对了就给奖励。机器人走稳路、跑酷空翻，大多是这么练出来的。◆ 小白科普 · 现身提供了一种在线适应的潜在机制，但它在部署部署把机器人真正放到工作现场长期干活，而不只是在实验室演示。部署规模决定了数据回流和经验积累的速度。◆ 小白科普 · 现身期间需要访问奖励信号，而太空中精确计算奖励往往不可行，因为缺乏外部追踪系统且环境复杂。为此，研究人员提出一种无奖励的持续学习框架，利用潜在状态世界模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身。通过在多种模拟环境中预训练基于模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身的智能体，世界模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身在其潜在空间内学习奖励结构的稳健预测器。部署部署把机器人真正放到工作现场长期干活，而不只是在实验室演示。部署规模决定了数据回流和经验积累的速度。◆ 小白科普 · 现身到硬件严重退化的环境后，冻结观测编码器和奖励预测器，仅通过无监督滚动更新世界模型的转移动力学。通过在更新后的世界模型生成的想象轨迹上训练策略，智能体无需接受新奖励即可适应变化的动力学。研究在遭受严重形态故障的模拟行星穿越、轨道导航和精密装配任务中展示了该方法。