预印本：惯性失配影响机器人策略学习

Younghyo Park、Antonia Bronars、Pulkit Agrawal 在 arXiv 发表预印本，通过改变机器人与物体质量的受控仿真实验，考察接触时的惯性失配如何影响策略学习。作者称，强化学习在较广的质量组合范围内都能成功；行为克隆则在较轻机器人操作较重物体时学到更可靠的策略，增加数据能缩小差距但无法消除。 作者还称，在电机齿轮传动使惯性增大、重量不变的仿真机械臂上，行为克隆同样出现性能下降。他们探索了不更换硬件降低接触惯性的两种做法：采集数据前选择低惯性工作空间，或引导示教者采用低惯性任务解法；两种仿真情形下低惯性示教都被更可靠地模仿。 上述结论均来自仿真实验，论文为 9 页、17 幅图的预印本，未经同行评议，也未在实机上验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。