新法 Q-Planning 让机器人半小时自我精进，成功率从 25% 升至 80%
animesh_garg · x · 2026-08-31
机器人传统模仿学习在精细任务上难以自我改进。新提出的 Q-Planning 方法引入一个小型的“评论家”模块，对机器人可能的下一步动作进行打分。
核心原理：
- 保持原有的行为克隆（BC）策略冻结不变。
- 仅更新 Q-function，使其能从成功和失败的尝试中学习。
- 推理时，通过 Q 加权平均选择更优动作。
实测效果：
- 在双臂机器人真实测试中，钱包插入任务成功率从 25% 提升至 80%。
- 叠杯子任务亦有显著提升。
- 仅需约半小时的自主尝试即可实现性能飞跃，无需额外人类示教。
论文链接：Beyond Imitation: Self-Improving Robot Policies via Off-Policy Q-Planning
「具身」频道最新
- 伯克利团队用扩散模型直接采样机器人策略权重，Unitree G1 真机走跑起舞 — berkeley_ai · 2026-10-16
- HKU 等提出 OneWM：统一因果训练让世界模型与动作学习互相增益 — IAAI233 · 2026-10-16
- 特斯拉悬停跑车被指非飞行汽车：气罐撑不了多久 — tinyfool · 2026-10-16
- Scobleizer 转述：Optimus 实机比空中翻转的新 Roadster 更震撼 — Scobleizer · 2026-10-16
- 独立开发者的 AI PASSPORT 固件几天下载破 1200 次 — ezshine · 2026-10-16
- 1X 开设加州工厂，批量量产 NEO 人形机器人 — emmanuelvivier · 2026-10-16