Deliberate Practice (DP)

机器人通过新的“刻意练习”算法高效学习技能

研究人员开发了一种名为“刻意练习”（Deliberate Practice, DP）的新型主动技能学习算法，旨在帮助机器人在有限的练习预算内学习新技能。该算法通过估算掌握技能所需的时间和任务计划的潜在奖励，来优化练习时间的分配，以最大化预期的累积奖励。在模拟和真实世界操作任务中的实验表明，DP能够让机器人在有限的练习时间内高效地获取有效的策略并增强长时程规划能力。