研究人员引入了分层优势加权行为克隆(HABC)方法,以改进视觉语言智能体(VLAs)的在线强化学习。HABC通过分离可行性和效率目标,并使用状态自适应门来平衡它们,从而解决了强化学习微调中稀疏、二元结果的挑战。该方法还纳入了干预感知信用分配,以防止从外部策略执行的片段中进行不正确的学习。在真实机器人任务上的实验表明,与标准的监督微调基线相比,成功率有了显著提高。 AI
影响 这项研究为提高复杂机器人任务强化学习的效率和有效性提供了一种新颖的方法。
排序理由 该集群包含一篇详细介绍强化学习新方法的学术论文。
- Hierarchical Advantage-Weighted Behavior Cloning
- Hierarchical Advantage Weighting for Online RL Fine-Tuning of VLAs from Sparse Episode Outcomes
- reinforcement learning
- supervised fine-tuning
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →