AnchorQ：流反转动作锚点的强化学习策略改进

2026年10月19日，arXiv Robotics 刊出 Carl Qi 等作者的论文，提出并发布 AnchorQ 强化学习策略改进方法。该方法通过流反转将参考行为映射为状态条件化的隐动作锚点，并在锚点周围采样局部粒子、用价值引导采样探索更优动作，实现由粗到细的策略改进。报道称，在仿真与真实机器人操作任务中，相同交互预算下真实世界成功率提升 37%，仿真任务吞吐量提高 97%，样本效率优于现有后训练基线。目前进展限于论文发布与上述实验结果的公布，尚无后续跟进报道。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。