arXiv cs.AI· Martin Schuck, Maks Sorokin, Simone Manni, Duy Ta, Angela P. Schoellig, Marco Hutter, Simon Le Cleac'H, Jan Br\"udigam·· 14 小时前AI 评分34
从 SMPC 演示中学习移动操作：稀疏奖励离线到在线 RL 方法
Learning Loco-Manipulation From SMPC Demonstrations With Sparse Offline-to-Online RL
AI 导读
研究团队提出用仿真中的 SMPC 作为自动专家生成大规模离线数据集，配合纯稀疏任务奖励训练离线到在线 RL 智能体，省去密集奖励塑形的人工调参。该方法将高层智能体与低层动态稳定控制器结合，学到的策略可超越原始最优控制教师。团队在配备机械臂的 Spot 四足机器人和 G1 人形机器人上成功部署了复杂移动操作技能。
正文 · AI 翻译
摘要：整合移动与操作能力对机器人自主性至关重要，但将标准强化学习（RL）扩展到复杂任务时，严重受限于缓慢且人工的密集奖励塑形过程。为绕过这一限制，我们完全在仿真中利用基于采样的模型预测控制（SMPC）作为自动化、可快速调优的专家，生成大规模离线数据集。由于这些数据解决了根本性的探索问题，我们可以仅使用稀疏任务奖励来训练离策略 RL 智能体，从而大幅减少学习新技能所需的时间，并消除人工调优的需要。将这一高层智能体与低层动态稳定性控制器相结合，可产生更优的行为，严格对齐真实任务目标，最终使学习到的策略超越原始最优控制教师。我们通过在不同形态上成功部署复杂的移动-操作技能，包括配备机械臂的 Spot 四足机器人和 G1 人形机器人，验证了该仿真到现实框架的鲁棒性。
| 评论： | CoRL 2026 相机就绪版本 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2608.12063 [cs.RO] |
| （或此版本的 arXiv:2608.12063v2 [cs.RO]） | |
| https://doi.org/10.48550/arXiv.2608.12063 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Martin Schuck [查看电子邮件]
[v1]
2026年8月12日星期三 13:48:56 UTC（40,902 KB）
[v2]
2026年10月26日星期一 11:46:26 UTC（40,903 KB）
来源：arXiv cs.AI · arxiv.org