ACCRUE：机器人基础模型的持续离策略强化学习框架

Changyeon Kim、Kimin Lee、Yashraj Narang、Yijie Guo 等在 arXiv 发布论文 ACCRUE，提出面向机器人基础模型的持续离策略强化学习框架，通过在不同任务间携带并复用轻量级 actor 和 critic 网络，让后续任务复用先前 RL 学到的行为与价值知识。作者称，在仿真和真实机器人硬件的接触密集装配任务序列上，该框架加速后续任务学习且遗忘接近零，并将真实机器人训练时间减少 31.0% 到 68.5%。框架用固定的视觉特征保证继承的学习器和回放缓冲与基础策略更新兼容。以上为论文摘要中的作者声称，本站未核验全文或独立复现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。