跳到正文
arXiv · 机器人与计算机视觉· Wenye Yu, Yijin Chen, Kaiyi Xiong, Wenbo Han, Wendi Chen, Yang Jin, Han Xue, Jun Lv, Cewu Lu, Chuan Wen·· 2026-10-16AI 评分82

价值即记忆:面向通用机器人策略的在线价值引导后训练

Value as Memory: Online Value-Guided Post-training for General Robot Policies

AI 导读

针对现实世界通用机器人策略后训练的局部可观测性与离线反馈延迟问题,论文提出了价值即记忆框架。该框架通过价值缓存将近期预测作为任务进度记忆来约束动作选择,并结合离线演示、离策干预与在策 rollout 实现样本高效的在线自主学习。实验显示,在涉及可变性物体和富接触操作的任务中,该方法使平均绝对成功率提升 29.4%,相比匹配的离线训练在线自主学习方案再提升 32.8%。

来源:arXiv · 机器人与计算机视觉 · arxiv.org