robot-pushing tasks

新的arXiv论文探讨贝叶斯优化的空间偏差

一篇新发表在arXiv上的研究论文探讨了贝叶斯优化中固有的空间偏差，这是一种用于决定优化任务中何处进行探索的方法。研究表明，常用的高斯过程作为代理模型，在域边界附近倾向于表现出更高的后验方差。这种偏差会影响探索策略并影响优化性能，尤其是在早期阶段。研究人员提出用神经代理模型来控制这种空间偏好，并证明在基准函数和机器人推动任务中，替代的探索原则通常可以减少遗憾。