TEMPO：机器人策略的测试时自适应方法

2026年10月15日，arXiv Robotics 报道了一项名为 TEMPO 的研究，提出面向机器人策略的高效测试时自适应方法。该方法由 Motasem Alfarra 等作者提出并验证，是一种测试时熵正则化、记忆引导的策略优化方法，用于机器人控制策略的在线自监督自适应，无需奖励信号。其做法是结合对 critic 预测分布的熵促进正则项与基于分数的记忆机制，优先处理低价值“困难”观测，以在严重分布偏移下稳定 critic 驱动的更新。报道称该工作已被 NeurIPS 2026 接收。目前进展停留在方法提出与验证阶段，尚无后续跟进报道。

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。