arXiv cs.RO· Xinkai Jiang, Jing Jiang, Hongyi Zhou, Pankhuri Vanjani, Ahmad Baki, Jakub Suliga, Ge Li, Zhuoyue Li, Gerhard Neumann, Rudolf Lioutikov·· 5 天前AI 评分61
PHIL：通过偏好学习实现主动式人在回路干预
Correct Robots Before They Make Mistakes: Proactive Human-in-the-Loop Intervention via Preference Learning
AI 导读
论文提出 PHIL 框架，让操作员通过 XR 界面预览策略预测的未来动作，在不良动作发生前接管纠正，并将被拒绝的预测与纠正动作配对用于偏好后训练。在四项真实操作任务上，每条件五次纠正回合，扩散策略平均成功率从 44.0% 提升到 70.3%，X-VLA 从 57.8% 提升到 76.9%，对比基线为 HG-DAgger；用主动纠正训练的策略在成功回合中不必要的恢复行为更少。
来源：arXiv cs.RO · arxiv.org