arXiv · cs.AI· Changyeon Kim, Kimin Lee, Yashraj Narang, Yijie Guo·· 11 小时前
ACCRUE：面向机器人基础模型的持续离线策略强化学习框架
ACCRUE: Continual Off-Policy Reinforcement Learning for Robot Foundation Models
arXiv:2610.18596v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Changyeon Kim, Kimin Lee, Yashraj Narang, Yijie Guo
研究任务与主要进展
ACCRUE提出一个持续离线策略强化学习框架，通过在不同任务间复用轻量级 actor 和 critic 网络，加速机器人基础模型的后续任务学习并减少遗忘。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org