RSSM-RLPD：NAO机器人真实交互学习带球进球

1. 12:00
   arXiv · cs.AI

   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

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。