LEARNING
恢复、发现、规划：从机器人失败中学习技能与概念
Bowen Li, Mayank Mishra, Y. Isabel Liu, Stone Tao, Nishanth Kumar, Alexander G. Gray, Ruwan Wickramarachchi, Jonathan Francis, Sebastian Scherer, Tom Silver
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出ReSYNC方法，通过联合学习技能和概念，使机器人能从失败中恢复并抽象出避免失败的知识。该方法在训练中通过强化学习学习恢复行为，并逐步发现和精炼关系谓词，实现从局部恢复到全局失败避免的泛化。
关键词
reinforcement learningfailure recoverystate abstractionrelational conceptsplanning
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018