Hugging Face Daily Papers·· 9 天前AI 评分75
ExRL:通过执行长度控制实现长片段策略的样本高效在线自适应
ExRL: Sample-Efficient Online Adaptation of Long-Chunk Policies via Execution Length Control
AI 导读
论文 ExRL 指出利用现有强化学习方法适配高维度的长动作片段策略往往需要大量在线交互数据,难以在实际机器人场景中应用。作者提出将适应过程从优化动作本身转向优化每个预测动作片段的执行时长,从而在保持低维度优化空间的同时提升表达力。该方法通过轻量级适配器结合离线强化学习算法训练,在仿真基准和真实机器人任务中实现了多样化的长片段策略的样本高效自适应,且仅需极少的任务特定超参数调整。
来源:Hugging Face Daily Papers · arxiv.org