原创力文档- 1、本文档共61页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
可泛化强化学习和具身应用
GeneralizedReinforcementLearningandEmbodied
Generalization
白辰甲
中国电信人工智能研究院
具身智能研究中心
PI，研究科学家
研究背景
强化学习是实现通用人工智能的重要途径
•AlphaGo/AlphaZero成为人工智能发展的里程碑
•策略梯度法的RLHF方法成为对齐大模型和人类偏好的基础
•强化学习算法强调解决特定任务的专一性，泛化能力弱：
•不同任务的奖励函数不同，优化方向不同（Cross-Task）
•不同环境具有不同的状态转移函数（Cross-Domain）
2
研究背景
策略泛化：迈向通用策略学习的途径
仿真训练真实迁移
多任务/多场景/多技能决策
1.技能驱动的可泛化强化学习
2.跨域度量和具身仿真-真实迁移
3.基础模型驱动的具身策略泛化
3
大模型
研究提纲
提纲
1.技能驱动的可泛化强化学习
2.跨域度量和具身仿真-真实迁移
3.基础模型驱动的具身策略泛化
4
技能学习驱动的策略泛化
聚类技能发现ConstrainedEnsembleExploration
SkillDiscovery
Max$(;()
TrajectoriesgeneratedfromdifferentskillsinaMazeenvironment.LocomotionskillfrompaperDiversityisAllYouNeed
Unseendownstreamtasks
PretrainingFinetuning
2Msteps100ksteps
StandRun
RandompolicySkillpolicy
文档评论（0）