跳到正文
热点事件持续更新

Q-OIL：用人类干预引导强化学习探索

1 篇报道1 个报道来源15 小时前更新

先了解这件事

AI 综述

作者提出 Q-OIL 强化学习方法：对干预转移加入乐观奖励，并软性引导探索朝向人类纠正。作者称，该方法在仿真和真实机器人上的成功率比竞争基线高 10-50%，并在两个双臂操作任务上提升了预训练 VLA。 研究先分析真人干预数据，发现人常在智能体进展停滞时介入，且纠正动作往往次优；据此建立基于进展的人类干预模型，使仿真中的算法排序与真实用户排序相关性更高。作者指出，解耦评论家对稳定性关键，可防止奖励回传到干预前状态。 作者称，由于真实实验慢且昂贵，多数算法开发依赖仿真人类模型。

AI 根据报道生成 · 15 小时前更新

最新进展11月9日 13:00
Q-OIL：基于人类干预的乐观探索强化学习方法

报道时间线

沿着报道，了解事件的不同侧面。

11月9日
  1. arXiv cs.RO
    Q-OIL：基于人类干预的乐观探索强化学习方法

    作者提出Q-OIL，在强化学习中对干预转移加入乐观奖励并软性引导探索朝向人类纠正，在仿真和真实机器人上成功率比竞争基线高10-50%。研究先分析真人干预数据，发现人常在智能体进展停滞时介入且纠正动作往往次优，据此建立基于进展的人类干预模型，使仿真中的算法排序与真实用户排序相关性更高。作者指出解耦评论家对稳定性关键，可防止奖励回传到干预前状态，该方法还提升了两个双臂操作任务上的预训练VLA。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月9日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。