arXiv cs.RO· Michal Korniak, Marco Bagatella, Ralf R\"omer, Michal Nauman, Yarden As, Pranav Vignesh, Manan Agarwal, Leander Diaz-Bone, Piotr Zalewski, Miko{\l}aj Czarnecki, Lenart Treven, Shashwat Saxena, Sreyas Venkataraman, Sarvesh Patil, Zhiyuan Zhou, Daniel Marta, Oier Mees, Nur Muhammad Mahi Shafiullah, Carmelo Sferrazza, Bhavya Sukhija, Angela P. Schoellig, Andreas Krause, Max Simchowitz, Andrew Wagenmaker·· 5 天前AI 评分72
强化学习实现通用机器人策略的多任务规模化改进
Reinforcement Learning Enables Scaling Generalist Robot Policy Improvement
AI 导读
该论文研究通用机器人策略能否在部署阶段同时针对多个不同任务进行在线改进，并系统评估了价值估计、策略提取和资源分配等算法与工程选择。作者构建了一套结构化评测来检验通用改进能力，发现合适的配方不仅能在线提升多任务表现，还能泛化到在线训练未涉及的任务，其中训练任务分布与基于价值的强化学习是关键因素。作者称这是机器人基础模型在线通用改进的早期证据之一。
来源：arXiv cs.RO · arxiv.org