Multi-fidelity RL专业
MFPG-PPO 用低保真仿真数据稳定数据稀缺强化学习,真机仅4条片段提升抓取成功率
这篇预印本提出 MFPG-PPO 算法,用低成本仿真数据作为控制变量来稳定高保真数据稀缺的强化学习。在仿真和真机实验中,MFPG-PPO 在多数设置下优于仅用高保真数据的 PPO,并且用 4 条真实机器人片段即可将 Franka 抓取成功率从 40% 提升至 91.7%。该论文尚未经过同行评审。
机器人与具身智能领域的最新论文,以及每篇对产业的意义。
这篇预印本提出 MFPG-PPO 算法,用低成本仿真数据作为控制变量来稳定高保真数据稀缺的强化学习。在仿真和真机实验中,MFPG-PPO 在多数设置下优于仅用高保真数据的 PPO,并且用 4 条真实机器人片段即可将 Franka 抓取成功率从 40% 提升至 91.7%。该论文尚未经过同行评审。
论文来自 arXiv 机器人领域。尚未生成摘要的论文,显示摘要开头部分。