通过人类反馈教机器人完成任意复杂度的任务

DOI

本文探讨了如何通过可能不准确的评估性人类反馈来训练机器人完成任意复杂度的时序任务。我们工作的一个关键思想是课程学习——训练机器人掌握简单任务，然后逐步构建复杂任务。我们展示了如何使用形式化任务表示的知识来分解和高效训练任意任务（以其表示的大小为界）。我们进一步提供了一系列实验，以支持这一说法：非专业人类训练员能够以与我们的理论结果一致的方式分解任务，超过一半的参与者成功训练了我们所有的实验任务。我们将算法与现有方法进行了比较，实验结果表明我们的方法优于其他方法，尤其是在反馈包含错误的情况下。