本研究提出了一种名为ARCHIE的自主强化学习方法，利用GPT-4从自然语言任务描述生成奖励函数，解决复杂人机协作中的奖励函数设计难题。实验结果表明，该方法能够有效将人类可读文本转化为可部署的机器人技能。
本研究提出了一种开放词汇的空间-语义扩散策略（S$^2$-扩散），旨在解决机器人技能学习的实例局限性。实验结果表明，该方法在类别无关因素变化时仍能保持良好性能，并有效地将技能转移至同类实例。
研究团队提出了一种基于忆阻器的深度贝叶斯主动学习（DBAL）方法，显著提高了标记效率并降低了成本。该方法在内存计算框架中实现，相较于传统硬件速度提升44%，节能153倍，适用于机器人技能学习等任务。
完成下面两步后，将自动完成登录并继续当前操作。
