Learning Quality-Controllable Robot Policies with Iterative Hindsight Relabeling

Đoạn trích bài viết

Đánh giá chính sách robot thường dựa vào một tín hiệu thành công nhị phân để hoàn thành nhiệm vụ. Tuy nhiên, trong việc triển khai thế giới thực, hành vi thực hiện mong muốn cũng được xác định bởi các thuộc tính chất như tốc độ thực hiện và độ mượt mà chuyển động, cần phải được kiểm soát động theo yêu cầu nhiệm vụ.