ReDOA：通过观测对齐实现真实世界蒸馏的图像操作策略学习

ReDOA 框架将仿真中训练的状态教师策略部署到真实机器人，再用采集的轨迹把控制知识蒸馏进图像学生策略，无需人类专家演示。观测对齐解决了数据采集与部署之间的观测不匹配问题。在三个非抓取操作任务（含双臂操作）的真实机器人实验中，该方法在任务成功率与执行效率的综合表现上优于人类演示模仿学习和仿真策略蒸馏。