Uncertainty-Driven Exploration for Robotics: A Review

Uncertainty-Driven Exploration for Robotics: A Review是一篇系统综述不确定性驱动探索在机器人领域应用的论文，涵盖基于贝叶斯神经网络的不确定性、基于集成的不确定性、基于dropout的不确定性、基于高斯过程的不确定性、基于证据深度学习的不确定性等多种不确定性估计方法。论文分析了不确定性驱动探索在机器人操作、导航、运动控制、安全强化学习等场景中的应用效果，对比了不同不确定性方法的估计精度、样本效率、计算复杂度，讨论了不确定性校准、安全探索、可扩展性等关键问题。该论文适用于机器人研究者和工程师，帮助理解如何利用不确定性驱动探索提升机器人强化学习性能，来源机构为国际机器人学习研究社区。