ZPRL：瓶颈潜空间在线RL引导机器人策略

2026年11月10日，arXiv Robotics 刊出 Dongjie Yu 等作者的论文，提出 Z-Perturbation Reinforcement Learning（ZPRL）方法。据该文，ZPRL 不通过策略权重或输出动作，而是通过紧凑的瓶颈潜空间来引导预训练策略；它在冻结预训练策略的同时，用奖励驱动的残差扰动构建在线强化学习控制空间。作者将 ZPRL 实例化在 flow-matching 策略上，并在 8 个仿真任务和 4 个真实任务上评估。报道称，在真实世界中，ZPRL 在四个任务上的平均成功率较模仿学习基座策略提升 33.7 个百分点。目前该工作处于论文发布阶段，上述效果均为作者自述的实验结果。

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。