arXiv · cs.AI· Ryan Gao, Ashvin Anilkumar, Nicholas Corrado, William Cong, Josiah Hanna·· 1 天前
NAO机器人提出无需高质量状态估计的真实交互强化学习方法RSSM-RLPD
Reinforcement Learning from Real-Robot Interaction without High-Quality State Estimates
arXiv:2610.14042v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ryan Gao, Ashvin Anilkumar, Nicholas Corrado, William Cong, Josiah Hanna
研究任务与主要进展
作者提出RSSM-RLPD，将板载无迹卡尔曼滤波（UKF）、仅在球被观测时更新潜在状态的循环状态空间模型（RSSM）与RLPD结合，用于NAO机器人在真实交互中学习带球进球。基于论文摘要，机器人在30分钟真实交互后从多个起始位置学习进球，报告成功率为100%，同训练预算下的前馈策略为0%；模拟研究还显示其成功率高于行为克隆、前馈策略和GRU基线。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org