KlaskTron-IL接触丰富对抗模仿学习基准发布

Nicklas Sohm、Aswin Ramachandran 与 Raffaello D'Andrea 提出 KlaskTron-IL，一个构建在开源双人对抗强化学习平台 KlaskTron 上的多层级模仿学习数据集与诊断基线，用于接触丰富对抗动力学研究。数据集含直接在物理机器人上采集的 8 万步人类演示、32 万步对称性增强数据，以及由零样本验证的 PPO 策略生成的至多 500 万步合成专家轨迹。 作者称基线暴露了标准模仿学习方法的三种典型失效模式：行为克隆（BC）的数据规模平台期；GAIL 判别器可解释但梯度偏弱，其中 peg-ball 接近度恢复的 Spearman ρ = -1.0，但 logit 跨度低于 0.1；以及 BC 先验与奖励密度之间的非对称交互。 作者称，对最强的 BC 基线实现了零样本仿真到现实迁移，前提是其指令处于执行器模型 ±0.2 m/s 的辨识范围内。该工作以 arXiv 预印本形式发布，尚未经同行评议。

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。