跳到正文
arXiv · ML· Max Muchen Sun, Jueun Kwon, Benjamin Riviere, Todd Murphey·· 2026-10-14AI 评分26

基于价值保持动作量化的 VAQ-MCTS 策略学习框架

Value-Preserving Action Quantization

AI 导读

该研究提出 VAQ 方法,通过将动作量化误差限制在状态可达性的重构误差范围内,有效保留了量化动作对未来状态和价值的影响。 基于此构建的 VAQ-MCTS 框架在行为克隆任务中显著提升了数据效率与鲁棒性,实现了零样本环境适应。 在硬件实验中,VAQ-MCTS 仅利用 10 分钟演示数据便成功完成了全部 30 次真实物体推动试验。

来源:arXiv · ML · arxiv.org