Sanctuary AI提出TIGER：把模仿策略变成奖励信号，真机强化学习安全停机降为零

加拿大Sanctuary AI于10月2日发布研究文章，介绍TIGER（面向高效强化学习的任务空间模仿引导）。该方法不执行模仿策略预测的动作块，而是将其换算为末端执行器的短时目标位姿，使强化学习智能体在每个控制步都获得稠密奖励，而非仅在回合结束时得到成功与否的信号。

公司称，在所测试的全部稀疏奖励操作任务中，达到50%成功率所需步数减少20%至57%；真机前1000步安全复位次数为0，基线为35至38次；在演示只包含静止插座的情况下，向旋转插座插入的成功率达90%。结果为公司自报，未经同行评审。

MEKAWIRE记录显示，Sanctuary最近一轮披露金额的融资是2022年3月5850万美元A轮，此后在2024年和2026年5月获得未披露金额的战略投资。