实体
Human-in-the-Loop Reinforcement Learning: A Survey and Position on Requirements, Challenges, and Opportunities
Human-in-the-Loop Reinforcement Learning: A Survey and Position on Requirements, Challenges, and Opportunities
PulseAugur coverage of Human-in-the-Loop Reinforcement Learning: A Survey and Position on Requirements, Challenges, and Opportunities — every cluster mentioning Human-in-the-Loop Reinforcement Learning: A Survey and Position on Requirements, Challenges, and Opportunities across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
探讨用于更安全自动驾驶汽车的“人在回路”机器学习
一篇新的arXiv论文探讨了集成“人在回路”机器学习（HITL-ML）技术以增强自动驾驶汽车（AVs）的安全性和伦理考量。该论文详细介绍了人类输入，通过验证、标注和偏好反馈等方法，如何解决感知、预测和决策方面的挑战，尤其是在复杂的驾驶场景中。它涵盖了各种HITL-ML方法，包括课程学习、强化学习、大型语言模型和主动学习，同时还强调了人类监督在AV系统中的透明度、问责制和可靠性的重要性。
-
fNIRS脑信号引导机器人强化学习
研究人员开发了一种使用功能性近红外光谱（fNIRS）脑信号引导机器人行为的离线方法。该方法将神经数据集成到强化学习算法中，增强了轨迹优先级和状态-动作值。研究发现，该框架能有效提升机器人学习能力，即使使用离线数据也能实现，为无法进行实时脑机接口的场景提供了实用的解决方案。