机器人策略自我改进：Q-Planning 让成功率 25% 升至 80%
rbhar90 · x · 2026-08-27
机器人从 demo 到落地难在数据：研究指出对机器人基础模型追加遥操作 SFT 数据因协变量偏移效果有限。Georgia Tech 等团队提出 Q-Planning：给一个冻结的大型视觉-运动 BC 策略外挂一个小型 off-policy Q 函数。
- 推理时 BC 策略采样 N 个候选动作块，Q 函数打分后做单步 Q 加权平均执行
- 成功与失败的 rollout 都进 replay buffer，只微调 Q 函数，BC 策略本身从不更新
- 效果：一个困难精细操作任务上，成功率从 25% 提升到 80%，约 100 次机器人尝试（约 30 分钟），无需额外人类演示
相当于给机器人策略加上类似"思考模式"的测试时计算自我改进能力。
所属事件:Q-Planning 让机器人策略自我改进，成功率从 25% 提升至 80%(2 条相关)→
「具身」频道最新
- 曝智元机器人洽谈新一轮融资：估值约 70 亿美元，或推迟港股 IPO — xmercury_one · 2026-10-15
- The Verge 实测萌宠机器人 Eiliko:对话记录上传中国服务器且不加密 — The Verge AI · 2026-10-15
- Sipeed MaixStation 产品页上线，端侧 AI 开发套件来了 — xlltt · 2026-10-15
- Lukas Ziegler 加入欧洲 SPRIND 机器人挑战赛评委,主张模块化路线 — lukas_m_ziegler · 2026-10-15
- 哥特教堂 3D 高斯泼溅登陆 Vision Pro，被称为全网最高清 — willeastcott · 2026-10-15
- MIT斯坦福谷歌等联合综述:7 项机器人自我改进研究 5 项无法跨任务复现增益 — rohanpaul_ai · 2026-10-15