TRP：递归隐状态精炼的行为克隆策略

Hakan Aktas 与 Cengiz Oztireli 提出 Tiny Recursive Policy（TRP），一种参数高效的行为克隆策略：在每个控制步用共享计算模块反复更新高层与低层隐状态，再解码动作序列，并把状态传递到后续预测。 作者在 LIBERO-100、MetaWorld ML45 和 LIBERO-Mem 三个基准上评估 TRP。其称，执行时扰动实验显示，对持久传递状态的依赖会随任务对时序上下文的需求上升；训练时加入传递状态扰动，能明显提升对传递状态损坏和视觉损坏的鲁棒性。这些效果来自作者自述的实验结果。

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。