arXiv · 机器人与计算机视觉· Carl Qi, Weijun Dong, Xiaojie Wang, Peiyi Chen, Rahul Sajnani, Mingyuan Zhang, Amy Zhang, Jose Barreiros, Manikantan Nambi, Lillian J. Ratliff, Dylan Randle·· 2026-10-19AI 评分68
基于流反转动作锚点的样本高效强化学习策略改进
Sample-Efficient Reinforcement Learning for Policy Improvement via Flow-Reversed Action Anchors
AI 导读
arXiv 预印本论文提出 AnchorQ 方法,旨在解决通用机器人策略在部署级可靠性与吞吐量上的挑战。该方法利用流反转将参考行为映射为状态条件化的潜在锚点,结合局部粒子采样与价值引导探索,实现从粗到细的策略改进。实验显示,AnchorQ 在模拟和真实操作任务中均优于现有基线,样本效率更高,真实世界成功率提升 37%,仿真任务吞吐量提高 97%。
来源:arXiv · 机器人与计算机视觉 · arxiv.org