跳到正文
arXiv · 机器人与计算机视觉· Kefei Zhu, Lingyun Xu, Yue Xin, Xiaoqi Li, Caixin Guo, Xincheng Du, Yuanpei Chen, Yaodong Yang, Hao Dong·· 17 天前精选AI 评分82

ResMerge:面向预训练机器人策略持续适应的残差策略学习与合并方法

ResMerge: Residual Policy Learning and Merging for Continual Adaptation of Pre-trained Robot Policies

AI 导读

针对真实世界部署中机器人需持续适应新任务的挑战,本文提出 ResMerge 框架,在冻结的预训练策略之上学习可合并的残差策略。该方法利用残差强化学习(RL)在无额外专家演示的情况下获取任务特定修正,并通过参数空间合并整合兼容残差以减少存储参数。

推荐理由

提出 ResMerge 框架,通过残差强化学习与参数空间合并实现预训练策略的持续适应,无需额外专家演示且减少存储参数。

来源:arXiv · 机器人与计算机视觉 · arxiv.org