arXiv cs.RO· Soovadeep Bakshi, Apurba Bose·· 15 小时前AI 评分67
论文发现采样规划会利用人类偏好奖励，并提出χ²正则化MPPI修正
Goodhart in the Planner: Sampling-Based Control Exploits Rewards Learned from Human Preferences
AI 导读
arXiv 论文《Goodhart in the Planner》测量了基于人类偏好学习奖励的采样控制在真实目标上的表现：在 HalfCheetah、Hopper 和 Meta-World 的 drawer-open。
来源：arXiv cs.RO · arxiv.org