arXiv · cs.RO· Sriyash Poddar; Yanda Bao; Jacob Krantz; Matthew Chang; Xavier Puig; Roozbeh Mottaghi; Natasha Jaques; Abhishek Gupta·· 9 天前精选AI 评分78
论文 / 摘要阅读
ASTEROID：非对称在策略蒸馏让历史条件学生学会上下文探索
Asymmetric On-Policy Distillation Learns In-Context Exploration
AI 导读 · 根据来源整理
作者提出 ASTEROID，一个学生-教师监督学习框架，让学生先在不完全可观测下采集在策略上下文，再由特权专家基于该上下文给出动作标签，从而学会测试时探索。在 11 个环境（含离散探索基准、机器人操作、导航和 Procgen）中，该方法在固定探索预算下回报约为对比方法的 2 倍，交互次数比强化学习基线少约 100 倍。
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