研究人员开发了一种新颖的强化学习（RL）探索技术，称为Prompt-Driven Exploration（PDE）。该方法利用大型语言模型（LLMs）和视觉-语言-动作（VLA）模型来修改自然语言提示，从而引起策略行为的全局变化。通过让视觉-语言模型（VLM）分析回放视频并诊断策略响应，PDE会优化提示以引发更好的动作。这种方法在提示级别有效地实现了后验采样，使RL能够在稀疏奖励的情况下学习成功的策略，并提高整体样本效率。 AI
影响 该方法可以显著提高强化学习代理的样本效率和成功率，尤其是在稀疏奖励的复杂环境中。
排序理由 详细介绍强化学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
