AnchorQ：用流反转动作锚点提升强化学习样本效率

Carl Qi 等作者提出并发布 AnchorQ 强化学习策略改进方法：它通过流反转把参考行为映射为状态条件化的隐式锚点，在锚点周围采样局部粒子，并用价值引导采样探索更优动作，实现由粗到细的策略改进。 作者称，在相同交互预算下，该方法在仿真与真实机器人操作任务中均优于现有后训练基线，真实世界成功率提升 37%，仿真任务吞吐量提升 97%。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。