机器人退了一步，奖励该怎样算 | When a Robot Loses Progress, How Should Rewards Respond? · @AasenVS · TwKit

@AasenVS

设想机械臂把插头对准接口，碰歪后退开，再重新对齐。视频持续向前播放，任务却没有一直向前推进。如果奖励模型把“时间过去了”近似当成“事情做得更好了”，它可能连失去对齐位置的动作也奖励进去。这里需要辨认的，是

曝光 30 · 评论 0 · 点赞 0 · 书签 0