利用人类反馈进行语义相关技能发现

无监督技能发现旨在激励智能体探索多样化行为，但无约束方法易产生不安全或不一致行为。现有基于偏好的方法反馈效率低且难以处理异构技能空间。为此，本文引入“语义标注”机制，利用人类认知优势识别并标记语义有意义的行为。基于此，提出语义相关技能发现（SRSD）方法，通过收集人类语义标签学习奖励函数，鼓励技能具备更高的语义多样性和相关性。实验表明，该方法在导航与运动环境中有效提升了技能发现的質量与扩展性。