DeReCo：解耦表示与协调学习的多机器人抓取框架

2026年10月20日，arXiv Robotics 报道了 Kazuki Shibata 等作者提出的 DeReCo 框架，这是一个面向物体自适应分散式多机器人协同抓取与举升的多智能体强化学习（MARL）框架，通过解耦表示学习与协调学习来缓解二者的双向干扰。该框架采用两阶段训练：先用特权物体信息学习协调策略，再从局部观测重建物体相关表示并重训协调策略，以转向分散执行。仿真中，DeReCo 在三个训练物体上优于基线，并泛化到六个质量与摩擦系数不同的未见物体；真机实验在两个未见物体上表现更优。目前报道仅涵盖该框架的方法与初步实验表现，尚无后续跟进报道。 早先报道称……，后续报道称……（本事件目前仅有一篇报道，暂无与早先报道矛盾之处。）

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。