Q-Planning 让冻结机器人策略靠小 Q 函数自我改进

Varun Giridhar、Animesh Garg 等人发表论文《Beyond Imitation》，提出 Q-Planning 方法：为大规模视觉运动行为克隆（BC）策略配备一个小型 off-policy Q 函数，仅微调 Q 函数、冻结 BC 策略本体，通过吸纳成功与失败轨迹实现自我改进，大幅减少人工干预，在 LIBERO-10 基准上达到 99% 的成功率。

2026-09-17 ~ 2026-09-18 · 3 条相关

• Q-Planning 让机器人策略自我改进:仅微调 Q 函数,LIBERO-10 达 99% — chris_j_paxton · 2026-09-17
• Q-Planning:冻结 BC 策略配小型 Q 函数,机器人从失败中自我改进 — animesh_garg · 2026-09-18
• Q-Planning 让机器人策略自我改进：Q 函数吃成败轨迹减少人工干预 — micoolcho · 2026-09-18