站内快照 · 国内可打开。外网原文可能无法访问。
- 论文公开站arXiv
通过STL引导的Stein变分策略梯度从稀疏成功信号学习机器人策略
Learning Robot Policies from Sparse Success Signals via STL-Guided Stein Variational Policy Gradient
摘要显示，该研究针对稀疏成功信号下机器人策略学习难题，提出STL-SVPG方法：以平滑的信号时序逻辑（STL）鲁棒性作为轨迹级训练目标，通过动力学求导将信用按对完整任务规范的影响分配给策略动作，而非仅依据局部进展。在六项四旋翼与机械臂任务（含事件触发、严格顺序、截止时间响应与物理接触）中，该方法在五项取得最高平均成功率，且仿真训练策略可迁移到真实世界。
意义：为稀疏奖励与多条件时序任务提供可微轨迹级目标，利于机器人策略的信用分配与仿真到现实迁移。