arXiv Robotics· Zixuan Chen, Lin Cao, Fenggang Zhang, Haotong Zhang, Yangtao Chen, Jieqi Shi, Jing Huo, Yang Gao·· 4 小时前AI 评分40
RoboLongR：因果一致奖励让机器人逐步掌握长程操作
RoboLongR: Causally Consistent Rewards Teach Robots to Progressively Master Long-Horizon Manipulation
AI 导读
RoboLongR 是一个离线到在线的框架，通过学习依赖历史的奖励引导策略适应新任务，核心目标是让奖励进度与执行历史支持的前置条件保持因果一致。在 88 个 RLBench 任务和 Open-X 数据上预训练后，它在未参与奖励预训练的 18 个长程任务上平均成功率达 31.8%，比最强基线高 9.2 个百分点；在 4 个真实机器人任务上成功率为 57.5%，比对比方法高 32.5 个百分点。
来源：arXiv Robotics · arxiv.org