新方法使用众包反馈帮助训练机器人

他和他的合作者将处理解耦为两个独立的部分，每个部分都由自己的算法引导他们采用了新的强化学习方法HuGE（HumanGuidedExploration）

在另一方面，其他选举算法也在不断更新众包和人类反馈反馈并没有被用作回报函数，而是用来指导专家的探索从某种意义上说，然后一名专家将面包屑滴下，而不是将增量引导至目标

在另一边，代理人自己探索，由目标选择器监督和指导它收集所有尝试的动作的图像或视频，这些图像或视频发送给人类并用于更新目标选择器

这缩小了探索的机会，导致了距离目标越来越近的地方再次出现错误但是，如果在到达的时候没有后退，或者受到了后退的影响，那么绅士们将继续学习，尽管这是一种更低级的方式这使得数据包能够频繁且同步地聚集在这里

“探索循环可以一直持续下去，因为它只是在探索和学习新事物。然后当你得到更好的信号时，它就会探索更具体的方式。你可以让它们按照自己的节奏旋转，”补充道

由于反馈只是指导用户的行为，即使用户提供了错误的答案，它最终也会学会完成任务

快速学习

Theresearcher提出了模拟和现实世界任务数量的方法在模拟中，他们使用HuGE有效地学习具有长动作序列的任务，例如在特定的机器人中进行锁定或在大型迷宫中导航

在现实世界的测试中，他们利用HuGE来训练机器人来绘制字母“U”和拾取放置对象在这些测试中，他们从横跨三大洲的13个不同国家的109名非专业用户中收集了数据

在现实世界和模拟的实验中，Huge帮助人们学会比其他热方法更快地实现目标

研究者们发现，数据众包来源于非专家，其性能比研究者们产生和标记的合成数据更好对于非专业用户，标记30张图像或视频至少需要两分钟

“这使得可以扩展这种方法非常有希望，”Torneds

在研究人员在机器人学习中心会议上发表的相关论文中，他们提高了人们能够学习执行任务的能力，并自动为环境提供了持续学习的机会例如，如果您的电脑出现故障，该方法也会引导代理商关闭机柜

他说：“现在我们可以完全自主地学习，而不需要人工重置。”

Theresachersalso强调，我