arXiv · AI· Martin Schuck, Maks Sorokin, Simone Manni, Duy Ta, Angela P. Schoellig, Marco Hutter, Simon Le Cleac'H, Jan Br\"udigam·· 1 天前AI 评分36
基于 SMPC 演示与稀疏离线转在线强化学习实现机器人类操作
Learning Loco-Manipulation From SMPC Demonstrations With Sparse Offline-to-Online RL
AI 导读
研究利用仿真中基于采样的模型预测控制（SMPC）自动生成海量离线数据，解决探索难题，并仅使用稀疏任务奖励训练离线策略强化学习智能体，大幅降低新技能学习时间。 结合低级动态稳定性控制器后，策略优于原最优控制教师，并在配备机械臂的四足机器人 Spot 和人形机器人 G1 上验证了 sim-to-real 框架的鲁棒性。
来源：arXiv · AI · arxiv.org