★ 3
ProWAM：渐进式视觉规划的世界动作模型
研究提出ProWAM，一种联合预测动作和有序稀疏视觉子目标序列的渐进式世界动作模型，为任务执行中的动作生成提供显式视觉引导。该设计可从大规模无动作视频中学习子目标预测，将复杂视觉规划从动作策略中卸载。在LIBERO-Plus和RoboTwin等基准上取得新最优结果，零样本真实世界实验中成功率达70…
arXiv cs.AI28 天前
#机器人控制
共 7 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
ChronoSRL：自监督强化学习的时间几何
论文指出对比式与生存式强化学习的评论家未以时间单位度量表征空间距离，提出 ChronoSRL 为评论家嵌入赋予显式时间几何。它训练状态-动作与目标嵌入的距离匹配到达目标所需时间，并预测到达时间分布与在目标附近停留时间，使策略偏好更快更可靠到达并保持接近目标的动作。在七个运动与导航基准及四足机器人仿…
arXiv cs.AI33 天前
★ 3
Metro-WM：可实现的子目标长程潜空间规划
论文指出，基于 JEPA 的层次化规划中，宏规划器常生成物理上不可实现的潜空间子目标，这是长程规划失效的根本原因。作者提出 Metro-WM，改为从离线经验中检索真实状态作为子目标，并构建可跨轨迹拼接的状态图。实验显示长程成功率最高提升 37.33 个百分点，速度快 10.9 倍，离线算力需求降低…
arXiv cs.AI34 天前
★ 2
DoobPO：基于 Doob h 变换的生成策略强化学习微调
论文提出 Doob Policy Optimization（DoobPO），利用 Doob h 变换实现扩散与流策略的无似然强化学习微调，兼容 PPO、GRPO 等策略改进规则。方法先学习比率模型再通过条件漂移匹配蒸馏目标策略，在 MuJoCo 连续控制基准上表现优于扩散与流策略基线。
arXiv cs.LG11 天前
★ 2
ArcFlow 提出面向多求解器预算的流策略训练方法
论文指出固定求解器预算下的强化学习会掩盖低预算部署退化，提出 ArcFlow，通过动作对齐监督、预算暴露与最差预算检查点选择，训练单一流策略服务多个推理成本。在 DM Control、操作与运动任务中，ArcFlow 在 30 个任务中的 25 个取得最高平均单步回报，且不改变架构与部署成本。
arXiv cs.LG11 天前
★ 2
研究提出大模型与强化学习驱动的自主施工与进度更新方法
arXiv 论文提出一种基于大语言模型与强化学习的自主施工方法，用增强型 soft actor-critic 算法为移动起重机规划动作，并结合机器人运动学保证可执行性。系统还使用定制嵌入模型提取施工环境信息，并调用 ChatGPT 5 更新进度、输出安全信息与生成进度报告，已通过挡土墙施工实验验证。
arXiv cs.AI12 天前
★ 2
Code to Control：合成参数化反应式控制器
论文提出 Code to Control，由 LLM 合成控制器程序结构，再用无导数搜索拟合连续控制参数，学成后无需 LLM 推理或规划即可实时执行。在 Atari、Flappy Bird 与 MuJoCo 任务上，该方法优于基于规划的程序合成，与深度强化学习相当但环境交互更少，并能迁移到动力学显…
arXiv cs.AI32 天前
这个主题的相关资产
相关公司OpenAI1