FERRET 用环境编辑学习机器人偏好
热点事件持续更新
FERRET 用环境编辑学习机器人偏好
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Isaac Ngui、Courtney McBeth 和 Nancy M. Amato 提出 FERRET 方法，从机器人纠正和环境编辑两类反馈中学习机器人偏好。 其关键设定是：人编辑场景时保持机器人运动不变，因此编辑的唯一解释是被移动的物体。作者称，实验显示环境编辑能消歧特征，并学到仅靠机器人纠正无法学到的偏好。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
FERRET：用环境编辑作为奖励学习的纠正信号报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.ROFERRET：用环境编辑作为奖励学习的纠正信号
作者提出将环境编辑作为机器人纠正的补充反馈形式，在机器人运动保持不变时由人编辑场景，使编辑的唯一解释是被移动的物体。他们提出 FERRET（Feature Learning from Environmental and Robot-Relational Edit Traces），从机器人纠正和环境纠正中学习偏好，并展示环境编辑能消歧特征、学到仅靠机器人纠正无法学到的偏好。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。