跳到正文
arXiv · ML· Zhefei Gong, Hefeifei Jiang, Zehao Wang, Jiachen Li·· 2026-10-15AI 评分21

HiRe-MoMa:基于层级残差策略的稀疏人类引导移动操作微调框架

Hierarchical Residual Policy Learning for Real-World Mobile Manipulation with Sparse Human Guidance

AI 导读

HiRe-MoMa框架通过层级残差架构微调冻结基础策略,利用低于20%覆盖率的稀疏人类干预重塑价值景观,实现移动操作系统的样本高效微调。 该框架在TIAGo++平台实测中仅通过约30分钟在线交互即可提升任务性能,且效果独立于基础策略架构。这是首个支持真实世界机器人高效在线微调的移动操作框架,为动态环境部署提供了实用范式。

来源:arXiv · ML · arxiv.org