实体
Flow policies
Flow policies
PulseAugur coverage of Flow policies — every cluster mentioning Flow policies across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的不动点流匹配方法用于无数据强化学习策略训练
研究人员引入了不动点流匹配（FFM），一种新颖的无数据方法，用于训练强化学习（RL）中的流策略。该技术解决了从复杂、多模态玻尔兹曼分布生成样本的挑战，而这种分布在最大熵和行为约束的RL中是最优的。FFM将Actor更新表述为不动点迭代，使用Critic的动作梯度作为回归目标，从而无需直接访问数据即可实现高效训练。
-
新的 QF3 算法将机器人运动策略训练速度提高了 10 倍
研究人员推出了一种新颖的离策略强化学习算法 QF3（具有过滤 Q-梯度的快速流），旨在更有效地训练机器人策略。QF3 利用流匹配结合 Critic 的动作梯度，通过单步预测反向传播，来精炼预训练的流策略或从头开始学习新策略。据报道，与现有的同策略技术相比，该方法在挂钟时间上实现了 10 倍的加速，并且是第一个能够从头开始成功训练人形机器人运动策略以实现零样本硬件迁移的离策略方法。