★ 3
DTDD：分歧触发的动态蒸馏实现可靠同策略监督
论文提出分歧触发动态蒸馏（DTDD），利用片段级学生-教师分歧在训练中触发教师接管，学生前缀继续接受标准 OPD 监督，教师生成恢复后缀供行为克隆学习。DTDD 将预热后峰值梯度范数降低 8.6 倍，在 ALFWorld 上分别提升 4.8 和 4.1 个百分点。
arXiv cs.LG18 天前
#行为克隆
共 7 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
Keyframe Mnemonics：自监督关键帧发现提升长程行为克隆
论文提出 Keyframe Mnemonics 自监督方法，通过从随机采样的历史观测中学习目标来发现信息关键帧，并以此训练行为克隆策略。该方法在合成记忆域达 100% 成功率，在 23 项机器人操作任务上平均绝对成功率提升 13.9%，并在真实机器人上以 20 倍更长视野保持 80% 成功率。
arXiv cs.AI24 天前
★ 3
低秩激活引导实现参数高效决策算子
论文提出一种通过行为克隆训练的System-1决策算子，将向冻结语言模型注入技能的成本降低约两个数量级。默认算子仅用33万参数即可匹配133万参数的强化学习算子，并将3685 token的推理压缩为6 token决策且不损失精度。研究揭示可训练性差距源于初始化与架构，技能可作为近似线性算子组合、插…
arXiv cs.LG26 天前
★ 2
arXiv 论文：离线数据不可用时冻结行为先验可提升离线到在线强化学习微调
研究指出离线到在线强化学习中，离线数据消失后继续行为克隆会重新拟合有限的在线经验，导致表征崩溃与动作多样性丧失。作者提出冻结预训练行为先验、停止在线行为拟合，在七个 OGBench 域上显著改善 IFQL、FQL 与 QC 方法的无保留微调效果。
arXiv cs.LG5 天前
★ 2
高斯与Beta策略的图像连续控制分歧正则模仿学习
论文评估分歧正则化模仿学习（DRIL）在图像连续控制中的效果，在CarRacing上结合高斯与Beta策略、不同专家演示与轨迹数量进行受控实验。结果显示DRIL在少演示场景提升最大，相比最强行为克隆均值提升61%至112%，但演示增多后优势收窄。
arXiv cs.LG32 天前
★ 2
CARLA 中自动驾驶的模仿学习
论文研究紧凑多模态策略能否从离线专家演示中获得闭环驾驶能力。策略使用五帧 RGB、LiDAR、车辆遥测与车道航点历史，以 20Hz 预测油门、刹车与转向。仅 136 万参数、约 3.3 小时驾驶数据的模型可在训练与留出路线自主行驶数小时且无碰撞，并定性迁移到未见过的 CARLA 城镇。作者同时发布…
arXiv cs.AI46 天前
★ 2
可认证安全筛选：离线强化学习的无分布保证
论文研究在仅能比较短片段、偶尔判断回合是否超预算的条件下，如何为安全离线强化学习提供保证。提出「先筛选后克隆」流程：用片段比较训练的状态价值函数为整条轨迹打分，再用 Learn-then-Test 校准在无分布 (α, δ) 界下认证筛选阈值。在 15 项 DSRL 任务中 11 项满足成本预算，…
arXiv cs.LG49 天前