跳到正文
arXiv cs.RO· Mohammad Khoshnazar, Mike Degany, Deyuan Qu, Qing Yang, Matyas Szanto·· 1 天前AI 评分48

隐藏起始延迟让 Unitree G1 自博弈交接对陌生伙伴更鲁棒

When Will You Hand It Over? A Hidden Start Delay Makes Self-Play Handover Robust to Unfamiliar Partners

AI 导读

研究团队发现,Unitree G1 与学习型给予者在交替 PPO 自博弈训练后,与自家伙伴交接成功率达 95% 和 90%,但与未见过的脚本伙伴仅 31%。原因是共享奖励下给予者总是立即开始递送,接收方只学会单一会合时机,将伙伴延迟一秒即把成功率从 95% 降至 6%。团队提出隐藏起始延迟随机化(HSD),再训练 300 次更新后,陌生伙伴成功率升至 80%,高力接触减少三到五倍。

来源:arXiv cs.RO · arxiv.org