/
掩码逆向强化学习 关键字列表
Masked IRL：大语言模型助力机器人理解模糊指令
麻省理工CSAIL研究团队开发了"掩码逆强化学习"（Masked IRL）方法，利用大语言模型（LLM）自动解析模糊指令，并筛选机器人执行任务时需关注的关键环境要素。该系统通过运动学示教采集数据，仅需传统方法约五分之一的演示数据量，即可训练机器人在家庭、办公室及工厂场景中安全完成任务，准确识别用户未明确表达的偏好，准确率比基线方法提升最高15%。
白皮书
京公网安备 11010802021500号
