arXiv cs.RO· Jiayi Luo, Yang Zhang, Liliang Chen, Nan Wang, Chen Gao, Boxiang Qiu, Zhuoxuan Li, Baorui Peng, Chuankang Li, Yuxiang Yan, Si Liu, Qingyun Sun, Shuicheng Yan, Maoqing Yao, Jianxin Li, Guanghui Ren·· 4 小时前AI 评分72
Rollback：用世界模型回溯经验改进机器人策略
Rollback: Experience Backtracking in World Models for Policy Improvement
AI 导读
Rollback 提出一种策略改进范式，让世界模型回退到关键决策点、分支尝试不同动作并对比结果，从而把反事实结果蒸馏为动作级监督，无需单独学习价值模型。在方块抽取、抛球和桌面冰壶三项真实任务上，成功率分别比最强基线绝对提升 10.67%、11.11% 和 11.85%，抛球与桌面冰壶在训练 8 小时内超过人类玩家平均成功率。
来源：arXiv cs.RO · arxiv.org