彩色噪声调度对机器人强化学习探索的影响

2026年11月10日，arXiv Robotics 刊出 Francisco M. López 等作者的论文，研究白噪声到红噪声的探索调度对连续控制机器人学习的影响。研究在 Fetch 机械臂与 Shadow 灵巧手的四个稀疏奖励操作任务上，系统比较了白噪声与红噪声之间的 49 种线性调度以及 gSDE。作者报告：训练末端的噪声颜色不影响学习效率或最终性能，而向红噪声渐变可使每个任务的探索抖动减半；红噪声学习效率与粉噪声相当，运动抖动减少近 2 倍。综合学习效率、最终性能与平滑性，作者认为红噪声是更优策略，并建议将向红噪声渐变的探索调度器作为 off-policy 机器人学习的默认方案。目前尚无后续跟进报道，结论均来自该论文自述。

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。