Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.05458

帮助 | 高级搜索

计算机科学 > 机器人技术

arXiv:2507.05458 (cs)
[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

Authors:Yi-Shiuan Tung, Bradley Hayes, Alessandro Roncone
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。
摘要: For effective real-world deployment, robots should adapt to human preferences, such as balancing distance, time, and safety in delivery routing. Active preference learning (APL) learns human reward functions by presenting trajectories for ranking. However, existing methods often struggle to explore the full trajectory space and fail to identify informative queries, particularly in long-horizon tasks. We propose CRED, a trajectory generation method for APL that improves reward estimation by jointly optimizing environment design and trajectory selection. CRED "imagines" new scenarios through environment design and uses counterfactual reasoning -- by sampling rewards from its current belief and asking "What if this reward were the true preference?" -- to generate a diverse and informative set of trajectories for ranking. Experiments in GridWorld and real-world navigation using OpenStreetMap data show that CRED improves reward learning and generalizes effectively across different environments.
主题: 机器人技术 (cs.RO)
引用方式: arXiv:2507.05458 [cs.RO]
  (或者 arXiv:2507.05458v1 [cs.RO] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.05458
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yi-Shiuan Tung [查看电子邮件]
[v1] 星期一, 2025 年 7 月 7 日 20:21:08 UTC (32,511 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.RO
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号