AWLS：冻结一步式操作策略的离线后训练方法

Jiahong Tang 等提出 Advantage-Weighted Latent Steering（AWLS），一种在不更新解码器的前提下改进冻结的一步式生成机器人操作策略的离线后训练方法，论文被 CoRL 2026 接收。 AWLS 学习一个残差噪声整形器，即对策略潜空间噪声的观测条件残差修正，并用优势加权的动作重构目标训练；优势值经截断、尺度归一化，仅作为示范动作的监督权重，避免用 critic 梯度更新策略，同时保留单步快速推理。 作者称，在仿真与真实机器人操作任务上、使用干净与混合质量示范的实验显示，AWLS 相比冻结的基础策略有所提升，并限制了对预训练行为先验的偏移。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。