RSS23 Best System Paper提名：基于模型的主动感知机器人强化学习系统｜上海交大MVIG吕峻博士主讲

AIGC动态欢迎阅读

原标题：RSS23 Best System Paper提名：基于模型的主动感知机器人强化学习系统｜上海交大MVIG吕峻博士主讲
关键字：机器人,模型,猩猩,讲座,建模
文章来源：算法邦
内容字数：2963字

内容摘要：

智猩猩是智一科技打造的硬科技讲解与服务平台，关注AI、芯片、算力、智能网联汽车、机器人，提供讲座、公开课、在线研讨会、峰会等线上线下产品。
「机器人新青年讲座」由智猩猩全新企划，旨在邀请全球知名高校、顶尖研究机构以及优秀企业的青年学者与研究人员，主讲在具身智能、强化学习、多智能体系统、建模仿真等机器人关键技术上的研究成果和开发实践。
有兴趣讲解的朋友，可以与智猩猩教研产品团队邮件（class@zhidx.com）联系。机器人学习是具身智能领域中一项重要的研究课题。基于模型的强化学习（Model-based RL）是智能体在对周围环境进行建模的基础上进行各类操作学习，相较于无模型的强化学习（Model-Free RL）被认为在样本效率方面具有显著优势。然而，如何更高效、精准、自动化地从原始传感器信号（例如图像信息）中建立对周边环境的建模，并基于此学习操作技巧一直以来都是一个具有挑战性的问题。
针对当前基于模型的强化学习所面临的困境，上海交大卢策吾老师团队提出一种可以主动提高感知质量、基于模型的机器人强化学习系统SAM-RL。SAM-RL可以对周围环境进行建模并在操作过程中对模型进行更新（

原文链接：RSS23 Best System Paper提名：基于模型的主动感知机器人强化学习系统｜上海交大MVIG吕峻博士主讲

联系作者

文章来源：算法邦
作者微信：allplusai
作者简介：「算法邦」，隶属于智猩猩，关注大模型、生成式AI、计算机视觉三大领域的研究与开发，提供技术文章、讲座、在线研讨会。