本文研究了移动机器人自主探索和检查的问题,提出了一种新的数据驱动的模仿学习框架,并通过EXPLORE算法训练了一个策略,以最大化从世界中获取的信息量。验证了该方法在不同对象分布上的适应能力。
研究移动机器人自主探索和检查的问题
在燃料预算有限的情况下最大化获取信息
提出数据驱动的模仿学习框架
通过EXPLORE算法训练策略
模仿完整信息的先知以最大化信息获取
验证方法在不同对象分布上的适应能力
完成下面两步后,将自动完成登录并继续当前操作。