学习关键因素：用于机器人探索的自适应信息论目标

Youwei Yu, Jionghao Wang, Zhengming Yu, Wenping Wang, Lantao Liu

2026

摘要

本文提出了一种名为准最优实验设计（QOED）的自适应信息目标，通过分析Fisher信息矩阵的特征空间来识别可观测子空间和可辨识参数方向，从而指导机器人探索。该方法能有效抑制非关键参数的干扰，提高高维机器人系统中参数学习的效率。

adaptive information-theoretic objectivesrobot explorationoptimal experimental designFisher information matrixidentifiable parameter directions

LEARNING

开放获取📊 1 引用

Keyi Shen, Glen Chou

2026

LEARNING

📊 0 引用

Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者

Robotics and Computer-Integrated Manufacturing · 2026