Yuan Meng

该工作提出一种基于狄利克雷过程混合的贝叶斯非参数技能先验，在结构化潜空间中建模时序延展技能，无需预设组件数量即可自适应发现技能，并将其嵌入分层强化学习框架，由学习到的先验指导高层技能选择、由预训练解码器生成时序抽象动作；在Franka Kitchen、LIBERO-Long、Meta-World和一台真实机器人上，长时程操作取得一致提升，1.5M步内成功率超过0.8，而SAC即使训练5M步也未收敛（低于0.1），相对单高斯先验基线平均提升21.8%。

该工作提出一种基于狄利克雷过程混合的贝叶斯非参数技能先验，在结构化潜空间中建模时序延展技能，无需预设组件数量即可自适应发现技能，并将其嵌入分层强化学习框架，由学习到的先验指导高层技能选择、由预训练解码器生成时序抽象动作；在Franka Kitchen、LIBERO-Long、Meta-World和一台真实机器人上，长时程操作取得一致提升，1.5M步内成功率超过0.8，而SAC即使训练5M步也未收敛（低于0.1），相对单高斯先验基线平均提升21.8%。