详细内容或原文请订阅后点击阅览
新方法使用众包反馈来帮助训练机器人
人类引导探索 (HuGE) 使 AI 代理能够在人类的帮助下快速学习，即使人类会犯错误。
来源:MIT新闻 _机器人要教AI代理一项新任务，例如如何打开厨房橱柜，研究人员经常使用强化学习，这是一个试验和错误的过程，在该过程中，代理人采取行动使其更接近目标。
在许多情况下，人类专家必须仔细设计奖励功能，这是一种激励机制，可以赋予代理商的探索动机。人类专家必须迭代地更新该奖励功能，因为代理商探索并尝试了不同的行动。这可能很耗时，效率低下且难以扩展，尤其是当任务复杂并且涉及许多步骤时。
来自麻省理工学院，哈佛大学和华盛顿大学的研究人员开发了一种新的强化学习方法，不依赖于专业设计的奖励功能。取而代之的是，它利用了许多非XPERT用户收集的众包反馈，以指导代理商学会达到目标。
虽然其他一些方法也尝试利用非反馈反馈，但这种新方法使AI代理可以更快地学习，尽管从用户那里的数据众群通常充满了错误。这些嘈杂的数据可能导致其他方法失败。
此外，这种新方法允许异步收集反馈，因此世界各地的非XPERT用户可以为教师提供教学。
将来，这种方法可以帮助机器人快速在用户家中执行特定任务，而无需所有者显示每个任务的机器人物理示例。该机器人可以自己探索，众包的非反馈指导其探索。
“在我们的方法中，奖励功能指导代理商应该探索的内容，而不是确切地告诉它应该采取什么措施来完成任务。因此，即使人类的监督有些不准确和嘈杂，代理商仍然能够探索，这有助于它更好地学习。