利用分层控制器结构进行上下文参数学习：人形机器人移动操作

研究者提出一种上下文贝叶斯优化框架，用于分层控制系统的联合参数学习，保留任务性能、实现质量和控制代价的独立观测，用相关多输出高斯过程建模并解析评估其聚合目标。该方法在人形机器人移动操作中联合调优质心预测控制器与全身控制器，完成不同箱体质量下的物理推箱任务，在训练和适应阶段的平均经验遗憾均为所比较基线中最低。