本文提出了解决 Interactive Fleet Learning (分布转移) 和 Implicit Behavior Cloning (多模态) 问题的 Implicit Interactive Fleet Learning 方法，并通过模拟实验和物理实验表明其在人类辅助下具有更高的执行成功率和更高的回报。

Jun, 2023

本文介绍了 ThriftyDAgger 算法，针对需要在线人工反馈和干预的机器人学习问题，提出了在规定的干预预算内主动询问人类监管者的方法，并通过实验发现其干预策略更加有效平衡了任务表现和监管者负担，同时提高了人和机器人的性能。

Sep, 2021

实现自主学习的算法对于在真实环境中的机器人来说一直是个挑战，但本研究描述了一个实际的强化学习系统，通过在真实环境中进行训练，并借助人类的反馈来实现不间断的改进。该系统在不需要设计奖励函数或重置机制的情况下，通过自我监督学习算法和人类反馈产生的信息来指导探索和筛选学习策略。在模拟环境和真实世界中的机器人任务上的评估结果表明，该系统能够有效地学习行为。

Oct, 2023

本研究提出了 HG-DAgger 算法，该算法是 DAgger 算法在交互式人机模仿学习方面更为适用的变体，它不仅训练一个初学者策略，还学习了基于模型不确定性的风险度量的安全阈值，以预测状态空间中不同区域的完全训练初学者的性能，在模拟和实际的自动驾驶任务中，HG-DAgger 算法表现出比 DAgger 和行为克隆更好的性能。

Oct, 2018

本文介绍使用干预性策略学习的方法来解决机器人操作任务中必须经过精确定序的地方的问题，提出一种 6 自由度机器人操作任务的数据采集系统，并开发了一个简单而有效的算法来收集新数据以遍历通过这些难点，使用干预策略学习的代理在机器人的线路穿线任务和制造咖啡任务中的表现优于其他多种基线算法。

Dec, 2020

本研究提出了一种用于人机交互的通信高效联邦学习框架（CEFHRI），通过利用预训练模型和可训练的时空适配器来解决数据异构性和通信成本的挑战，实验证明 CEFHRI 相对于完全微调在通信成本上具有优势，为具有数据隐私关切和通信带宽有限的工业环境提供了安全高效的人机交互联邦学习方法。

Aug, 2023

通过使用强化学习和用户干预信号本身作为奖励函数，我们提出了一种新的方法来改进交互式模仿学习，克服了潜在次优人类专家的限制，并在挑战性的控制问题中具有较好的性能。

Nov, 2023

本文介绍了一种基于机器人学习的新框架 ——Sirius，通过人机分工实现了安全部署和复杂任务的有保障合作，并且利用了一种新的学习算法 —— 基于加权行为克隆技术，在模拟环境和真实硬件上均表现出色。

Nov, 2022

LazyDAgger 是一种互动式的模仿学习算法，通过减少监督员和自主控制之间的上下文切换次数，提高了学习和执行过程中所学策略的性能和鲁棒性，且在限制监督员负担的同时，能够在 3 个连续控制任务中平均减少 60％的上下文切换，并在 ABB YuMi 机器人的物理织物操作实验中成功率比 SafeDAgger 高 60％。

Mar, 2021

研究通过分布式学习实现机器人舰队在各种环境中获得多样化技能的方法，并介绍了 fleet-merge 方法用于合并参数化的递归神经网络策略，在 Meta-World 环境中有效地合并 50 个任务的策略，并在机器人工具使用基准测试中验证了 fleet-merge 的功效。

Oct, 2023