Hugging Face Daily Papers· Haoyu Wang·· 18 天前AI 评分28
DexPolicy：面向轨迹引导灵巧操作的调度式探索方法
DexPolicy: Scheduled Exploration for Trajectory-Guided Dexterous Manipulation
AI 导读
DexPolicy 将探索尺度显式设为训练步数的函数，从宽到窄退火，同时保持损失、架构与奖励不变。在 ViViDex 这类轨迹引导设定中，基线 PPO 跑完 5M 步后动作噪声仍接近初始值，而 DexPolicy 通过调度探索解决了这一问题。
来源：Hugging Face Daily Papers · huggingface.co