AlphaNIST

AlphaNIST 从稀疏奖励中学习复杂的机器人装配技能

研究人员开发了 AlphaNIST，这是一种新颖的机器人操作方法，可以从稀疏的二元奖励中学习装配技能。该方法受到 AlphaGo Zero 在没有明确指导的情况下发现策略的成功启发，在 NIST Assembly Task Board #1 上的 20 个不同装配任务中从头开始训练了单一策略。该系统在不依赖演示、进度塑造或特定任务调整的情况下，实现了 98.2% 的成功率，展示了涌现的灵巧和类似规划的行为。