RL自动环境塑造是下一站 frontier

许多机器人学家梦想着在晚上给机器人一个任务，第二天天早上就能发现机器人能够解决该任务。我们又是什么阻碍了我们实现这一目标呢？仿真到现实的强化学习（RL）在具有挑战性的机器人任务上已经取得了令人印象深刻的性能，但需要大量的人力工作来设置一种对RL友好的任务。我们认为，政策优化等算法改进应该引向解决训练环境塑造的主要瓶颈，即设计观察、动作、奖励和仿真动力学。大多数实践者并不调整RL算法，而是调整其他环境参数以获得理想的控制器。我们认为，只有当社区专注于自动化环境塑造程序时，RL才能扩展到多样化的机器人任务。