本文研究 Dyna-style 强化学习算法中的环境模型错误问题，提出了 “虚构价值假设”，探讨了四种变量，并通过实验结果验证了该假设，这为开发可靠的模型错误鲁棒 Dyna 算法提供了一个方向。

Jun, 2020

通过引入想象增强的分层强化学习算法，我们设计了一种新的导航算法，使得智能体能够在真实世界的导航任务中学习安全和交互的行为，提高了成功率并减少了平均步骤的数量。

Nov, 2023

在这篇论文中，我们介绍了一种基于在线强化学习的细粒度反馈方法（RLFH）来减轻大型语言模型在生成过程中产生的幻觉行为。通过将大模型的结果分解为原子事实，并提供语句级评估信号，RLFH 能够探索其内部知识的边界，并提供关于这些探索的在线、细粒度反馈。为了进行可靠的生成行为学习，RLFH 采用在线强化算法根据这些基于标记的奖励调整模型行为，以减轻幻觉现象。RLFH 还引入了一种基于大型语言模型的事实评估框架，可以在不需要人工干预的情况下验证原子事实的真实性和有用性。在 HotpotQA、SQuADv2 和传记基准测试上的实验显示，RLFH 可以平衡大型语言模型在生成过程中使用内部知识的程度，从而消除了幻觉行为。

Jun, 2024

本研究提出通过使用 900 个未标记的 3D 建筑从 HM3D 中自动创建 VLN 数据集，并通过预训练的语言模型对数据集进行微调，从而解决 VLN 方法中的数据稀缺性问题，从而大幅提高 VLN 模型的泛化能力。实验表明该方法在 REVERIE 和 SOON 数据集验证数据集上提高了 7.1% 和 8.1% 的 SPL 性能，取得了良好效果。

Aug, 2022

本研究提出了一种基于云机器人系统的全生命周期联邦强化学习架构 (LFRL)，包括知识融合算法和有效的迁移学习方法，证明它能够显著提高机器人导航的效率和融合前期知识的能力。

Jan, 2019

本文提出了一种基于自监督学习的模块化方法，该方法将传统的几何规划与学习空间场景表示相结合，以实现对动态对象和语义约束进行自主探索和导航。在基于 VizDoom 的仿真环境中得到了验证。

Jan, 2020

利用 360 度全景数据生成的合成语音引导大型模拟数据集，使用模仿学习的简单 Transformer 模型，本文介绍了一种新的方式 —— 合成指令及大规模模仿学习来提高代理程序。

Oct, 2022

通过基于模型的强化学习技术，本研究提出了一种用于导航和解决迷宫游戏的机器人系统的开发与训练。该方法通过从摄像头图像中提取低维观测以及裁剪和校正的以迷宫当前位置为中心的图像块，为迷宫布局提供了有价值的信息。控制策略的学习完全在物理系统上进行，使用基于模型的强化学习方法，其中沿着迷宫路径的进展作为奖励信号。此外，我们利用系统固有的对称性增加了训练数据。因此，我们的方法通过仅使用 5 小时的真实世界训练数据，在极短时间内成功解决了一种流行的真实世界迷宫游戏。

Dec, 2023

提出了一种基于学习的系统，通过模仿学习和强化学习的结合，实现了感知感知，在杂乱环境中实现了敏捷的飞行，并通过闭环控制演示了其性能。

Oct, 2022

通过利用大规模的房屋导览视频数据集，本文提出了一种视觉语言导航方法，使用自动构建的路径指令对训练的代理进行预训练，并利用视频中的布局信息来提高导航的泛化性能。通过实验结果表明，该方法在两个流行的基准测试（R2R 和 REVERIE）上取得了最先进的性能。

Jul, 2023