REVERSAL-BENCH：衡量无重置强化学习断崖的可逆性维度与重置预言机
英文标题：REVERSAL-BENCH: A Reversibility Axis and Reset Oracle for Measuring the Reset-Free RL Cliff
自主强化学习的核心目标是在脱离外部重置干预的情况下实现策略的持续训练。然而，当前多数算法范式高度依赖底层环境的可逆性，而这种特性在真实世界的物理操作任务中通常并不成立。为此，研究团队提出了 REVERSAL-BENCH，通过构建可逆性轴（Reversibility Axis）与重置预言机（Reset Oracle），系统量化并评估无重置强化学习在面对不可逆现实场景时出现的性能断崖。该工作为具身智能与机器人连续自主学习算法的鲁棒性评估及实际落地提供了重要工具与基准。
打开原文相关 1.6 · 机会 0
2.1 KB
640 B
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
REVERSAL-BENCH：衡量无重置强化学习断崖的可逆性维度与重置预言机
arXiv 编号：arXiv:2609.17745v1
发布类型：最新论文（Announce Type: new）
摘要
自主强化学习（Autonomous Reinforcement Learning）的核心目标是在无需外部人为重置（External Resets）的情况下实现持续的策略训练。然而，现有的算法范式在很大程度上依赖于底层环境的可逆性（Environmental Reversibility）——而这一属性在真实世界的物理操作任务中往往并不存在，现实环境中经常会发生无法简单撤销或恢复的状态改变事件……
English / 原文
BibTeX formatted citation
×