Ismail Geles

新框架从偏好中学习杂技飞行，性能优于标准方法

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。