arXiv · cs.RO· Gershom Seneviratne, Jianyu An, Vaibhav Shende, Sahire Ellahy, Yaxita Amin, Kondapi Manasanjani, Samarth Chopra, Jonathan Deepak Kannan, Dinesh Manocha·· 3 小时前精选AI 评分72
论文 / 摘要阅读
CHOP：用反事实人类偏好标签提升视觉运动导航策略避障表现
CHOP: Counterfactual Human Preference Labels Improve Obstacle Avoidance in Visuomotor Navigation Policies
AI 导读 · 根据来源整理
CHOP 提出用反事实人类偏好标签对齐视觉运动导航策略：对每个视觉观测，把机器人实际执行的轨迹与若干在相同条件下可能采取的反事实轨迹放在一起，由人类标注者依据碰撞风险和路径效率等预期结果给出两两偏好，再用汇总偏好微调策略。在 SCAND 数据集上，多个先进模型经 CHOP 微调后，近碰撞事件平均减少 49.7%，与人类偏好轨迹的偏差降低 45.0%，平均障碍间距增加 19.8%。在 Ghost Robotics Vision60 四足机器人实机部署中，对齐后的策略平均目标成功率提升 24.4%，最小障碍间距增加 6.8%，碰撞与干预事件减少 45.7%，归一化路径完成度提升 38.6%。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org