Chelsea Finn：机器人成功率越高，DAgger 效率越低

DAgger 在机器人高成功率下效率低

AI 导读

Chelsea Finn 指出，随着机器人越来越可靠，DAgger 的效率会大幅下降，例如 90% 的成功率意味着人超过 90% 的时间都在被动看着机器人。她提出的核心思路是：失败来自相似的初始状态，可以把学习聚焦在这些状态上。相关论文与 Lars Ankile 的 Mulligan 工作一致，后者在 3 个真实任务、2550 次盲测中，在相同预算下优于均匀采集。

正文 · AI 翻译

Chelsea Finn· @chelseabfinn · X·2026-10-10 05:38· 22 分钟前AI 评分34

AI 导读

随着机器人变得越来越可靠，DAgger 的效率就大大降低了。例如 90% 的成功率意味着人 >90% 的时间都在被动地看着机器人核心思路：失败来自相似的初始状态，我们可以把学习聚焦在这些状态上！论文：https://arxiv.org/abs/2610.05882

正文

随着机器人变得越来越可靠，DAgger 的效率就大大降低了。

例如 90% 的成功率意味着人 >90% 的时间都在被动地看着机器人

核心思路：失败来自相似的初始状态 & 我们可以把学习聚焦在这些状态上！

论文：https://arxiv.org/abs/2610.05882

引用Lars Ankile@larsankile

我一直在思考如何让机器人学习具备可扩展性。对我来说，这意味着在工作中学习，并高效利用仍然需要的人类帮助。在 Mulligan ⛳️ 中，我们把每一轮数据收集都聚焦在机器人失败的初始状态上。这发生在部署过程中，机器人执行任务，人在需要时介入。在 3 个真实任务和 2,550 次盲测评估中，它在相同预算下优于均匀收集。

在 X 查看被引用的帖子

来源：Chelsea Finn · x.com

来源：RadarAI · aihot.news