Curiosity-Diffuser: Migliorare l'Affidabilità delle Politiche Robotiche tramite la Guida della Curiosità

Un nuovo articolo di ricerca su arXiv propone Curiosity-Diffuser, un metodo per migliorare l'affidabilità delle politiche robotiche guidando modelli di diffusione condizionali a generare traiettorie con minore curiosità. L'approccio utilizza un modulo di curiosità Random Network Distillation (RND) per valutare l'allineamento con i dati di addestramento, quindi minimizza la curiosità tramite la guida del classificatore per ridurre l'eccessiva generalizzazione. L'articolo introduce anche una metrica computazionalmente efficiente per valutare l'affidabilità della politica basata sulla somiglianza tra traiettorie generate e di addestramento. Il lavoro affronta l'instabilità dei modelli di rete neurale nell'intelligenza robotica, che può portare ad allucinazioni e comportamenti non sicuri in applicazioni del mondo reale. L'articolo è disponibile su arXiv:2503.14833.