Il Framework ExpertGen Automatizza l'Apprendimento di Politiche Esperte per la Robotica tramite Trasferimento Sim-to-Real

Il framework ExpertGen semplifica il processo di apprendimento di politiche esperte in simulazione, facilitando transizioni efficaci sim-to-real per la robotica. Affronta il problema della raccolta di dati robotici estesi e di alta qualità, poiché acquisire dimostrazioni umane tramite teleoperazione è troppo costoso per essere scalato in ambienti reali. ExpertGen inizia con un comportamento precedente derivato da una politica di diffusione addestrata su dimostrazioni imperfette, che possono essere generate da modelli linguistici di grandi dimensioni o provenire da umani. Successivamente, l'apprendimento per rinforzo affina questo precedente per migliorare il successo del compito, regolando il rumore iniziale del modello di diffusione mantenendo l'integrità della politica originale. Congelando la politica di diffusione pre-addestrata, ExpertGen garantisce che l'esplorazione rimanga entro confini di comportamento sicuri e simili a quelli umani. Questo metodo consente lo sviluppo efficiente di politiche di clonazione del comportamento robuste e generalizzabili. Il framework è stato dettagliato nel documento intitolato "ExpertGen: Scalable Sim-to-Real Expert Policy Learning from Imperfect Behavior Priors", con l'identificatore arXiv 2603.15956v2. Il tipo di annuncio è replace-cross, che indica una versione aggiornata sul server di preprint arXiv.