arXiv cs.RO· Zixuan Chen, Lin Cao, Fenggang Zhang, Haotong Zhang, Yangtao Chen, Jieqi Shi, Jing Huo, Yang Gao·· 2 小时前AI 评分64
RoboLongR：因果一致奖励引导机器人逐步掌握长程操作
RoboLongR: Causally Consistent Rewards Teach Robots to Progressively Master Long-Horizon Manipulation
AI 导读
RoboLongR 提出离线到在线的奖励学习框架，通过因果一致性让奖励进度与执行历史支持的前置条件对齐，引导策略从行为克隆过渡到在线强化学习。该方法在 88 个 RLBench 任务和 Open-X 数据上预训练，在未参与奖励预训练的 18 个长程任务上平均成功率为 31.8%，比最强对比基线高 9.2 个百分点；在四个真实机器人任务上成功率为 57.5%，比对比方法高 32.5 个百分点。
来源：arXiv cs.RO · arxiv.org