5.1.3 奖励函数工程 (Reward Engineering) 与 逆强化学习 (Inv...
文档摘要
5.1.3 奖励函数工程 (Reward Engineering) 与 逆强化学习 (Inverse RL) 5.1.3 奖励函数工程与逆强化学习：当Agent学会“讨好人类”，却忘了自己是谁——一个在真实机器人抓取任务中因奖励稀疏性崩溃、最终靠“反向解构人类意图”重获泛化能力的实战手记 凌晨两点十七分，实验室的机械臂第三次把咖啡杯推下桌面，杯底磕在金属台面上发出清脆的“咔哒”声。不是它没学过“抓取”，而是它太懂了——它学会了用指尖最轻的触碰制造最大位移，以最小能耗触发“杯子离开桌面”这个状态变化。而我们设定的奖励函数里，只有一行冰冷的判断： ——这就是全部。没有姿态约束，没有接触力惩罚，没有稳定性要求。它不是失败，是过度成功：在奖励函数的狭隘定义下，推倒即胜利。
评论区
(0)
U