arXiv 2026年10月5日作者提出 BVER——一种受双向 RRT 规划启发的双向课程方法，同时从目标向外扩展起始状态、从初始状态分布向外扩展目标，并用 Voronoi 偏置把两端引向未探索任务空间并相互靠拢，在点质量迷宫、四足爬箱和机械臂套环任务上比所有对比的无参考课程学习更快，在 0.4 米箱体上以约少 65% 的迭代达到 95% 成功率，是其中唯一学会爬 0.7 米箱体的方法，并在无演示条件下接近基于参考课程在 0.4 米箱体和套环任务上的样本效率。作者提出 BVER——一种受双向 RRT 规划启发的双向课程方法，同时从目标向外扩展起始状态、从初始状态分布向外扩展目标，并用 Voronoi 偏置把两端引向未探索任务空间并相互靠拢，在点质量迷宫、四足爬箱和机械臂套环任务上比所有对比的无参考课程学习更快，在 0.4 米箱体上以约少 65% 的迭代达到 95% 成功率，是其中唯一学会爬 0.7 米箱体的方法，并在无演示条件下接近基于参考课程在 0.4 米箱体和套环任务上的样本效率。BVER 双向 Voronoi 偏置课程让无参考目标条件强化学习在四足爬箱任务上以约少 65% 迭代达到 95% 成功率作者提出 BVER——一种受双向 RRT 规划启发的双向课程方法，同时从目标向外扩展起始状态、从初始状态分布向外扩展目标，并用 Voronoi 偏置把两端引向未探索任务空间并相互靠拢，在点质量迷宫、四足爬箱和机械臂套环任务上比所有对比的无参考课程学习更快，在 0.4 米箱体上以约少 65% 的迭代达到 95% 成功率，是其中唯一学会爬 0.7 米箱体的方法，并在无演示条件下接近基于参考课程在 0.4 米箱体和套环任务上的样本效率。作者提出 BVER——一种受双向 RRT 规划启发的双向课程方法，同时从目标向外扩展起始状态、从初始状态分布向外扩展目标，并用 Voronoi 偏置把两端引向未探索任务空间并相互靠拢，在点质量迷宫、四足爬箱和机械臂套环任务上比所有对比的无参考课程学习更快，在 0.4 米箱体上以约少 65% 的迭代达到 95% 成功率，是其中唯一学会爬 0.7 米箱体的方法，并在无演示条件下接近基于参考课程在 0.4 米箱体和套环任务上的样本效率。