arXiv · cs.AI· Jacob Levy·· 1 天前AI 评分17
TERRA 框架实现行星漫游车少次试验的高效地形适应
Explore Where It Matters: Targeted Exploration for Efficient Rover Adaptation
来源与原文
arXiv · cs.AI
作者：Jacob Levy
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.38657v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 TERRA（Targeted Exploration for Reward-Relevant Adaptation），一个在线适应框架，用奖励加权预测损失修正仿真训练的世界模型，并训练损失预测器引导 MPC 探索任务相关的模型误差。仿真中，TERRA 在严重分布外预训练条件下五个试验内达到约 90% 爬坡成功率，奖励、完成时间和首达能耗均优于探索基线。在 ERNEST 漫游车上，3-5 次真实试验内即可在可变形火星模拟土壤坡面上恢复主动悬挂协同运动。
来源：arXiv · cs.AI · arxiv.org