arXiv · 机器人与计算机视觉· Yonghoon Dong, Minsung Yoon, Jaehyuk Kim, Jungwoo Park, Changyeon Kim, Jinwoo Shin·· 2026-10-08AI 评分43
SQAM:一种结合标量伴随匹配与价值惩罚的强化学习算法,在 OGBench 四个最难领域成功率提升 18-35 个百分点,并在真实双臂机器人上优于监督微调
Q-Learning with Scalar Adjoint Matching
AI 导读
SQAM 通过利用预训练流策略雅可比矩阵对角化特性,以闭式标量伴随替代逐步向量 - 雅可比积,显著降低计算成本。该方法结合动作处的价值惩罚,在 OGBench 四个最难领域成功率较最强基线提升 18 至 35 个百分点。实验还验证了其在真实双臂机器人上的有效性,SQAM 在所有三项任务上均优于监督微调结果。
来源:arXiv · 机器人与计算机视觉 · arxiv.org