Tritium 提出 Proxy Policy Steering:冻结基座策略也能学新技能
philfung · x · 2026-09-12
Tritium 团队介绍新方法 Proxy Policy Steering(PPS),解决通用策略(generalist policy)学习新技能时如何不丢失预训练先验的问题:
- 核心思路:在推理阶段用代理策略(proxy policy)来引导(steer)冻结的基座策略
- 不修改基座策略的任何权重,即可叠加任务特定的行为
这为「一个预训练通用机器人策略 + 轻量任务适配」的路线提供了新选项。
「具身」频道最新
- GPT-6.1 Terra 控制真机器人胜过 Opus 5.5,较三月前提升 3.7 倍 — ycombinator · 2026-10-28
- 机器人「开派对」训练中:研究者晒 policy in training 预告 — andrew_n_carr · 2026-10-28
- RAX让真机器人探索2小时自学技能，再把技能写成代码复用 — du_yilun · 2026-10-28
- OpenTac 触觉传感器将亮相 CoRL 2026,共 17 组机器人演示 — _krishna_murthy · 2026-10-28
- SO-101 Bench：LLM Agent 得分 83.2% 击败九个 VLA 策略 — Truman Hickok · 2026-10-28
- cixliv:格斗或成机器人首个跑赢普通人类的「已实现市场」 — cixliv · 2026-10-28