English(EN) Learning Acrobatic Flight from Preferences

新框架从偏好中学习杂技飞行，性能优于标准方法

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-10 04:00

研究人员开发了一个名为置信度下的奖励集成（REC）的新框架，用于基于偏好的强化学习（PbRL）。该方法使用一组分布奖励模型来模拟奖励不确定性，这有助于学习复杂任务（如杂技飞行）的控制策略，因为传统奖励函数不足以应对这些任务。在杂技四旋翼飞行器控制方面，REC达到了奖励塑造性能的88.4%，显著优于标准的Preference PPO，并成功地将学习到的策略从模拟转移到了现实世界的机器人上。 AI

影响这项研究通过使智能体能够从人类偏好中学习复杂的控制任务，推动了强化学习的发展，有望减少机器人和其他领域手动设计奖励的需求。

排序理由详细介绍一种新的基于偏好的强化学习方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍一种新的基于偏好的强化学习方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Colin Merk, Ismail Geles, Jiaxu Xing, Angel Romero, Giorgia Ramponi, Davide Scaramuzza · 2026-09-10 04:00

从偏好中学习杂技飞行

arXiv:2508.18817v3 Announce Type: replace-cross Abstract: Preference-based reinforcement learning (PbRL) enables agents to learn control policies without requiring manually designed reward functions, making it well-suited for tasks where objectives are difficult to formalize or i…

本文如何被排名

报道来源 [1]

从偏好中学习杂技飞行

相关实体

相关话题