TECHNOLOGY · 技术
社交导航
基于扩散引导的社交导航在线自适应方法DSRL
日本研究团队提出DSRL方法，在保持扩散策略固定的同时仅训练噪声策略，实现社交导航中性能保持的在线自适应，并在硬件在环仿真中验证有效。
AI 编撰 · 内容基于所列来源，重要信息请以原文为准
日本研究者Haruto Nagahisa、Kohei Matsumoto、Yuki Hyodo和Ryo Kurazume提出一种基于扩散引导的强化学习一种 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 · 现身方法（DSRL），用于社交导航中的在线自适应。该方法在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 · 现身环境中仅训练噪声策略，保持扩散策略固定，从而在不影响避让行人和到达目的地等主要导航目标的前提下实现性能保持的学习。此外，研究者将多个种子训练的扩散强化学习一种 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 · 现身策略集成为基础策略，以提高学习性能。评估表明，与其他方法相比，所提方法能够在保持性能的同时实现高效学习，并证实了通过适应社会规范实现灵活行为控制，以及在物理机器人上通过硬件在环仿真在电脑里搭建虚拟世界来测试、训练机器人。成本低、速度快，但和真实世界总有差距。◆ 小白科普 · 现身验证了有效性。