ASTEROID提出非对称在线蒸馏学习上下文探索

Sriyash Poddar 等研究者在 arXiv 提出 ASTEROID，一个学生-教师监督学习框架：历史条件化的学生在部分可观测环境中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，使学生学会测试时探索。 论文称，在十一个环境（含离散探索基准、机器人操作、导航与 Procgen）中，ASTEROID 在固定探索预算下取得约 2 倍回报，交互量比强化学习基线少约 100 倍，并在探索上优于前沿模型；在视觉受限的真实机器人操作中，其仿真到现实的策略迁移成功率比标准蒸馏提高 40%。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。