CHOP：反事实人类偏好标签提升导航避障

Gershom Seneviratne 等作者提出 CHOP 方法，用人类标注者对轨迹的成对偏好标签（依据碰撞风险、路径效率等预期结果）微调视觉运动导航策略，使其对齐人类的安全与避障直觉。 在 SCAND 数据集上，多个先进模型经 CHOP 微调后，相比各自预训练基线，近碰撞事件平均减少 49.7%，偏离人类偏好轨迹减少 45.0%，平均障碍物间距增加 19.8%。 作者称这些改进也迁移到 Ghost Robotics Vision60 四足机器人的真实部署：相比预训练基线，平均目标成功率提升 24.4%，最小障碍物间距增加 6.8%，碰撞与人工干预事件减少 45.7%，归一化路径完成度提升 38.6%。

AI 根据报道生成 · 8 天前更新