计算机科学 > 机器人技术
[提交于 2025年7月7日
]
标题: CRED:主动偏好学习中的反事实推理与环境设计
标题: CRED: Counterfactual Reasoning and Environment Design for Active Preference Learning
摘要: 为了有效的现实世界部署,机器人应适应人类偏好,例如在配送路线中平衡距离、时间和安全性。 主动偏好学习(APL)通过呈现轨迹进行排序来学习人类奖励函数。 然而,现有方法常常难以探索完整的轨迹空间,并且在长时域任务中无法识别有信息量的查询。 我们提出了CRED,一种用于APL的轨迹生成方法,通过联合优化环境设计和轨迹选择来改进奖励估计。 CRED通过环境设计“想象”新的场景,并使用反事实推理——通过从当前信念中采样奖励并询问“如果这个奖励是真实偏好会怎样?”——来生成多样且有信息量的轨迹集进行排序。 在GridWorld和使用OpenStreetMap数据的真实世界导航中的实验表明,CRED提高了奖励学习并在不同环境中有效泛化。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.