提出DHS提升模仿学习策略鲁棒性

2026年10月16日，arXiv Robotics 报道了一项研究，提出 Diffeomorphic Hidden-State Steering（DHS）方法，用于提升模仿学习策略的鲁棒性。该研究通过回放专家演示，获得冻结策略的隐藏状态，并学习一个可逆非线性坐标映射；对低专家方差的坐标施加更强的衰减，再映射回隐藏状态空间，从而在测试时引导策略。报道称，该方法的提出受到隐藏状态几何的启发。目前进展停留在方法提出阶段，报道未提及实验验证、基准测试结果或与其他方法的对比。

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。