学术前沿
Preference Learning for Robotics: A Review
《Preference Learning for Robotics: A Review》是机器人偏好学习领域的经典综述论文，系统梳理了偏好学习在机器人领域的应用与挑战。论文涵盖基于排序的方法、基于对比的方法、基于反馈的方法、基于主动学习的方法、基于大模型的方法五大核心方向，讨论了偏好获取、偏好聚合、偏好更新、偏好可解释性等关键问题。论文分析了偏好学习在机器人操作、导航、自动驾驶、人机协作、个性化服务等场景的应用，指出偏好标注成本、偏好噪声、偏好漂移、多目标偏好是当前主要挑战。论文还展望了偏好学习与大模型、具身智能、逆强化学习等前沿方向的结合。该论文发表于IEEE Transactions on Robotics，引用超700次，是机器人偏好学习领域的重要参考。
主体信息
《Preference Learning for Robotics: A Review》是机器人偏好学习领域的经典综述论文，系统梳理了偏好学习在机器人领域的应用与挑战。论文涵盖基于排序的方法、基于对比的方法、基于反馈的方法、基于主动学习的方法、基于大模型的方法五大核心方向，讨论了偏好获取、偏好聚合、偏好更新、偏好可解释性等关键问题。论文分析了偏好学习在机器人操作、导航、自动驾驶、人机协作、个性化服务等场景的应用，指出偏好标注成本、偏好噪声、偏好漂移、多目标偏好是当前主要挑战。论文还展望了偏好学习与大模型、具身智能、逆强化学习等前沿方向的结合。该论文发表于IEEE Transactions on Robotics，引用超700次，是机器人偏好学习领域的重要参考。