SMPC演示驱动的稀疏奖励离线到在线强化学习

2026年10月27日，arXiv Robotics 刊出 Martin Schuck 等作者的论文，提出从采样模型预测控制（SMPC）演示中学习移动操作的方法。报道称，该方法在仿真中完全使用 SMPC 作为可自动生成、可快速调参的专家，生成大规模离线数据集，使离策略强化学习智能体仅依靠稀疏任务奖励即可学习移动操作技能，从而省去密集奖励塑形的人工调参。报道还称，高层智能体与低层动态稳定控制器结合后，学到的策略在任务目标上可超越原最优控制教师；该方法已在配备机械臂的 Spot 四足机器人和 G1 人形机器人上完成 sim-to-real 部署验证。上述内容均来自该篇报道，目前尚无后续跟进报道，事件进展以该报道为准。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。