跳到正文
arXiv · 机器人与计算机视觉· Jayjun Lee, Jessica Yin, Asif Rana, Nicholas Blauch, Octi Zhang, Sam Mady, Mohak Bhardwaj, Nima Fazeli, Nathan Ratliff, Karl Van Wyk, Ankur Handa·· 2026-10-19精选AI 评分78

ADEPT:利用预训练和后训练的强化学习加速灵巧性

ADEPT: Accelerating Dexterity via Pre-Training and Post-Training using Reinforcement Learning

AI 导读

论文介绍 ADEPT 框架,旨在通过大规模强化学习在多自由度机器人本体上实现从原始视觉 - 触觉感知直接求解长视界任务的 sim-to-real 灵巧性迁移。该方法先在通用物体放置任务上预训练灵巧策略,再以后训练下游策略,解决了多指机器人难以从零发现新行为的问题。

推荐理由

论文提出 ADEPT 框架,通过预训练与后训练结合强化学习解决多指机器人灵巧操作难题,并开放了相关代码。

来源:arXiv · 机器人与计算机视觉 · arxiv.org