跳到主要内容
检索

# 分层强化学习

3 篇关联报道

订阅更新
  1. arXiv

    人形机器人踢球不再各管一段：SoccerBot用人类动作先验统一四项技能并零样本上真机

    人形机器人踢足球此前要么只覆盖少数技能，要么完全不用动作先验而动作生硬。SoccerBot把大规模人类足球动作捕捉数据蒸馏成一个结构化的隐式动作先验，让单一技能条件策略在同一个潜空间里学习移动、带球、停球和踢球。在Unitree G1上，该策略零样本迁移到真机，仿真中踢球与带球成功率分别为97.04%和89.88%，真机踢球方向误差从4.09度升到10.41度。

    Shanghai Jiao Tong UniversityBeijing Institute for General Artificial IntelligencePeking University
    Haoyu Shao（第一作者）
    SoccerBot人形足球框架潜在运动先验人形机器人足球分层强化学习仿真到现实迁移
  2. arXiv

    用狄利克雷过程混合技能先验做长时程机器人操作，在1.5M步内成功率超0.8，而SAC在5M步后仍低于0.1

    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%。

    Yuan Meng（第一作者）
    贝叶斯非参数技能先验长时程机器人操作分层强化学习LIBERO
  3. arXiv

    GGSD 用 1v1 自博弈把五个按键变成可玩技能：人类在 Ant、Franka、G1 上零训练通关 Maze 与 CubePush

    该工作提出 Game-Guided Skill Discovery（GGSD），在 1v1 竞争游戏中让分层智能体与历史策略池自博弈，高层策略从 5 个（G1 为 6 个）离散技能中选择、低层技能条件策略输出电机动作，并用互信息奖励区分技能语义；训练后人类可直接用同一组离散技能替换高层策略，在 Ant、Franka 机械臂与 Unitree G1 上组合出未训练过的 Maze 与 CubePush 任务，人类评测平均成功率至少 84%。

    Georgia Institute of TechnologySimon Fraser University
    Seungeun Rho（第一作者）
    游戏引导技能发现自博弈强化学习技能发现分层强化学习

已读完全部报道