机器人 / 具身智能

Feedback Manipulation Regularization: Enabling Offline Agent Alignment for Imitation Learning

反馈操纵正则化：实现用于模仿学习的离线智能体对齐

Benjamin Poole, Minwoo Lee

专题命中 模仿学习与强化学习 ：manipulation(title,abstract)；分类 cs.AI、cs.LG

AI总结 研究聚焦强化学习智能体行为与人类价值观对齐。提出反馈操纵正则化算法，利用评估反馈校正模仿学习策略。通过改编安全体育馆环境测试，该方法能提升适应性、减少对齐错误，在有限数据下也保持稳健。

Goal-Conditioned Reinforcement Learning for Data-Driven Maritime Navigation

面向数据驱动的航海导航的基于目标的强化学习

Vaishnav Vaidheeswaran, Dilith Jayakody, Samruddhi Mulay, Anand Lo, Md Mahbub Alam, Gabriel Spadon

机构 * Faculty of Computer Science（计算机科学学院） 纠错

专题命中 模仿学习与强化学习 ：navigation(title)；分类 cs.AI、cs.LG

AI总结 本文提出基于目标的强化学习方法，用于数据驱动的航海导航，通过多离散动作空间学习优化路线，结合动作掩码与正向奖励提升策略性能。

Journal ref IEEE International Conference on Big Data (BigData), 2025, pp. 1194-1203

Safe Flow Q-Learning: Offline Safe Reinforcement Learning with Reachability-Based Flow Policies

安全流Q学习：基于可达性的安全离线强化学习流策略

Mumuksh Tayal, Manan Tayal, Ravi Prakash

专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出Safe Flow Q-Learning，结合达性启发的安全价值函数和高效的一步流策略，通过自一致性Bellman递归学习安全价值，行为克隆训练流策略并转化为奖励最大化安全动作选择器，减少部署时的拒绝采样，提升实时安全应用性能。

Comments 21 pages, 6 figures, 3 tables; First 2 authors have contributed equally; Paper accepted at Reinforcement Learning Conference (RLC) 2026