Uncertainty-Aware Robotic World Model Makes Offline Model-Based Reinforcement Learning Work on Real Robots
具有不确定性的机器人世界模型使基于模型的离线强化学习在真实机器人上有效
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出了一种具有不确定性的机器人世界模型，结合MOPO-PPO框架，使基于模型的离线强化学习在真实机器人上有效，通过提高策略的鲁棒性并超越现有基线。
