BaRC: Backward Reachability Curriculum for Robotic Reinforcement\n Learning
Notice bibliographique
Résumé
Model-free Reinforcement Learning (RL) offers an attractive approach to learn\ncontrol policies for high-dimensional systems, but its relatively poor sample\ncomplexity often forces training in simulated environments. Even in simulation,\ngoal-directed tasks whose natural reward function is sparse remain intractable\nfor state-of-the-art model-free algorithms for continuous control. The\nbottleneck in these tasks is the prohibitive amount of exploration required to\nobtain a learning signal from the initial state of the system. In this work, we\nleverage physical priors in the form of an approximate system dynamics model to\ndesign a curriculum scheme for a model-free policy optimization algorithm. Our\nBackward Reachability Curriculum (BaRC) begins policy training from states that\nrequire a small number of actions to accomplish the task, and expands the\ninitial state distribution backwards in a dynamically-consistent manner once\nthe policy optimization algorithm demonstrates sufficient performance. BaRC is\ngeneral, in that it can accelerate training of any model-free RL algorithm on a\nbroad class of goal-directed continuous control MDPs. Its curriculum strategy\nis physically intuitive, easy-to-tune, and allows incorporating physical priors\nto accelerate training without hindering the performance, flexibility, and\napplicability of the model-free RL algorithm. We evaluate our approach on two\nrepresentative dynamic robotic learning problems and find substantial\nperformance improvement relative to previous curriculum generation techniques\nand naive exploration strategies.\n
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».