arXiv Robotics· Carl Qi, Weijun Dong, Xiaojie Wang, Peiyi Chen, Rahul Sajnani, Mingyuan Zhang, Amy Zhang, Jose Barreiros, Manikatan Nambi, Lillian J. Ratliff, Dylan Randle·· 4 小时前AI 评分31
AnchorQ：用流反转动作锚点实现样本高效的强化学习策略改进
Sample-Efficient Reinforcement Learning for Policy Improvement via Flow-Reversed Action Anchors
AI 导读
AnchorQ 通过流反转将参考行为映射为状态条件化的隐动作锚点，并在锚点周围采样局部粒子、用价值引导采样探索更优动作，实现由粗到细的策略改进。在仿真与真实机器人操作任务中，相同交互预算下真实世界成功率提升 37%，仿真任务吞吐量提高 97%，样本效率优于现有后训练基线。
来源：arXiv Robotics · arxiv.org