TIDE：机器人操作的人机在线后训练系统

Chun Gu 等研究者提出 TIDE（Training In DEployment），一个面向机器人操作的人在回路在线后训练系统，在部署过程中用来源条件化的监督学习从人类干预和策略 rollout 在线更新策略，无需学习 critic、奖励模型或动作打分器。 在四个真实双臂操作任务上，TIDE 相比热启动策略和同等数量的额外离线演示，在里程碑归一化任务进度和二元整任务完成率上均有提升；每个任务的在线后训练会话从部署 rollout 开始到最终检查点可用，耗时不到一小时，学习与检查点处理异步进行。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。