Tiny Recursive Policy行为克隆策略提出
热点事件持续更新
Tiny Recursive Policy行为克隆策略提出
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月27日，arXiv Robotics 报道 Hakan Aktas 与 Cengiz Oztireli 提出 Tiny Recursive Policy（TRP），一种参数高效的行为克隆策略。报道称，TRP 在每个控制步用共享计算模块反复更新高层与低层潜在状态，再解码动作序列，并将状态传递到后续预测。报道称其在 LIBERO-100、MetaWorld ML45 和 LIBERO-Mem 上多任务与少样本表现有竞争力，长时程和依赖上下文的任务提升明显，参数量显著少于大型生成式基线。目前为单篇主报道，尚无跟进报道，上述性能与参数比较均出自该报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
Tiny Recursive Policy：面向视觉运动控制的递归潜在状态精炼报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv RoboticsTiny Recursive Policy：面向视觉运动控制的递归潜在状态精炼
TRP 是一种参数高效的行为克隆策略，在每个控制步用共享计算模块反复更新高层与低层潜在状态后再解码动作序列，并将状态传递到后续预测。它在 LIBERO-100、MetaWorld ML45 和 LIBERO-Mem 上多任务与少样本表现有竞争力，长时程和依赖上下文的任务提升明显，参数量显著少于大型生成式基线。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。