arXiv cs.RO· Yusuf Umut Ciftci, Joonwon Kang, Ajay Suresha Sathya, Somil Bansal·· 4 小时前AI 评分62
SCRIM：量化模仿学习中的状态关键性
Where Small Mistakes Matter: Quantifying State Criticality for Imitation Learning
AI 导读
作者提出 SCRIM，一种状态关键性度量，用对抗扰动策略和价值评论家估计专家动作小幅扰动导致的下游价值最坏退化，为每条示教状态打分。这些分数可用于重加权行为克隆损失，也可筛选紧凑的高价值示教子集，在保持性能的同时减少训练数据量。方法在多种仿真与真实机器人操作任务上评估，论文被 CoRL 2026 接收。
来源：arXiv cs.RO · arxiv.org