ASTEROID 用特权专家蒸馏让学生学会测试时探索。
资讯摘要
论文提出 ASTEROID，一种学生—教师监督学习框架，用于在部分可观测环境中学习测试时探索。学生先收集在线策略上下文，特权专家基于该上下文给出动作标签，学生据此学会在不确定时搜索、在隐藏状态揭示后利用。作者报告在十一个环境及真实机器人操作任务中取得优于基线表现。
要点速读
- 学生先收集在线策略上下文，特权专家基于该上下文提供动作标签，从而蒸馏出探索行为。
- 作者报告在十一个环境（含离散探索基准、机器人操作、导航、Procgen）中，固定探索预算下回报约为 2 倍，交互量比 RL 基线少约 100 倍。
- 方法迁移到视觉受限的真实机器人操作，作者称成功率比标准蒸馏提升 40%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。