SEVI 在在线学习时先评估每个任务动作,判为不安全或证据不足时,就切换为离线训练的恢复策略。在真机 USB 插入任务中,它比恢复式基线的不安全事件最多减少 57.1%,让机器人在真实硬件上学习时多了一层安全保障。
正文完
SEVI 在在线学习时先评估每个任务动作,判为不安全或证据不足时,就切换为离线训练的恢复策略。在真机 USB 插入任务中,它比恢复式基线的不安全事件最多减少 57.1%,让机器人在真实硬件上学习时多了一层安全保障。