Q-Planning 让机器人策略自我改进，成功率从 25% 提升至 80%

Georgia Tech 等团队针对机器人基础模型在困难任务上成功率有限（如 25%）的问题提出 Q-Planning：由于追加遥操作 SFT 数据会因协变量偏移而效果有限，该方法为大型视觉运动 BC 策略配备一个小的离策略学习"挽具"，让机器人策略实现自我改进，将任务成功率从 25% 提升至 80%。

2026-08-26 ~ 2026-08-27 · 2 条相关