arXiv cs.RO· Ku Onoda, Paavo Parmas, Manato Yaguchi, Yutaka Matsuo·· 2 小时前AI 评分58
可微仿真器能否给出更好的策略梯度：ICLR 2026 论文提出 DDCG 与 IVW-H
Does "Do Differentiable Simulators Give Better Policy Gradients?" Give Better Policy Gradients?
AI 导读
ICLR 2026 论文重新检验了“可微仿真器能否给出更好的策略梯度”这一问题，指出不连续动力学带来的偏差并非主要障碍。作者提出轻量测试 DDCG，在非光滑区域切换估计器，仅需一个超参数且小样本下仍可靠；同时提出逐步骤逆方差实现 IVW-H，在可微机器人控制任务中无需显式检测不连续即可稳定方差。结论认为，估计器切换能提升受控实验中的稳健性，而实际部署中方差控制往往更关键。
来源：arXiv cs.RO · arxiv.org