研究：可微模拟器策略梯度有偏，提出DDCG与IVW-H

Ku Onoda等作者在ICLR 2026论文中重新审视可微模拟器能否给出更好的策略梯度。他们指出，模拟器中不连续动力学会使一阶策略梯度估计产生偏差，并提出DDCG：一种只需单个超参数的轻量检测方法，在不平滑区域切换估计器，小样本下仍保持稳健。 在可微机器人控制任务上，作者另提出逐步逆方差实现IVW-H，无需显式检测不连续点即可稳定方差并取得强结果。作者称，估计器切换提升了受控实验的稳健性，但实际部署中方差控制往往比消除偏差更关键。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。