流匹配策略梯度用于机器人控制训练

2026年10月15日，arXiv Artificial Intelligence 发布一项研究，提出改进的流匹配策略梯度目标，用于机器人控制策略训练。该工作由 Brent Yi 等作者完成，核心是绕过可微动作似然计算，使策略输出不再局限于高斯等简单分布。研究在足式运动、人形动作跟踪和操作任务上均取得成功，并在两台人形机器人上实现稳健的 sim-to-real 迁移。消融与训练动态分析显示，策略可从零训练时利用 flow 表示进行探索，微调鲁棒性也优于基线方法。来源证据表明，作者称该框架可有效用于在挑战性机器人控制场景中训练和微调更具表达力的策略。目前报道未提及收费、额度或地域限制等信息。

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。