arXiv cs.RO· Sriyash Poddar, Yanda Bao, Jacob Krantz, Matthew Chang, Xavier Puig, Roozbeh Mottaghi, Natasha Jaques, Abhishek Gupta·· 2 小时前AI 评分60
ASTEROID：通过非对称在线蒸馏学习上下文探索
Asymmetric On-Policy Distillation Learns In-Context Exploration
AI 导读
arXiv 论文提出 ASTEROID，一个学生-教师监督学习框架，让历史条件化的学生在部分可观测下通过收集在线策略上下文、由特权专家基于该上下文提供动作标签，从而学会测试时探索。
来源：arXiv cs.RO · arxiv.org