跳到正文
arXiv · 机器人与计算机视觉· Zhefei Gong, Hefeifei Jiang, Zehao Wang, Jiachen Li·· 2026-10-15AI 评分73

HiRe-MoMa:面向真实世界移动操作的层次化残差策略学习

Hierarchical Residual Policy Learning for Real-World Mobile Manipulation with Sparse Human Guidance

AI 导读

针对真实世界移动操作(MoMa)微调难的问题,论文提出 HiRe-MoMa 框架,通过冻结基策略并采用层次化残差架构进行高效微调。该方法利用稀疏人类干预重塑价值函数,在 TIAGo++ 平台上仅需约 30 分钟在线交互即可显著提升任务性能,为复杂机器人系统在动态环境中的部署提供了新范式。

来源:arXiv · 机器人与计算机视觉 · arxiv.org