NVIDIA 发布 ACCRUE:持续 off-policy 强化学习将真机训练时间缩短最高 68.5%
nvidia · hf · 2026-10-15
要点
- NVIDIA 与 KAIST 提出持续 off-policy 强化学习框架 ACCRUE，用于机器人基础模型（RFM/VLA）的后训练。
- 核心做法：跨任务携带轻量级 actor 与 critic 网络，继承的 critic 仅在当前任务转移上适配并指导 actor 学习；旧行为通过在少量保留片段上向缓存目标蒸馏来保持；固定视觉特征保证继承学习器与基础策略更新兼容。
- 实验在接触丰富的装配任务（仿真 + 真机）上验证：后续任务学习加速、遗忘接近零，真机训练时间缩短 31.0%–68.5%。
「具身」频道最新
- Valeo 联手 KE:SAI 发起开源自动驾驶计划，模型代码全开放 — abursuc · 2026-10-15
- ASENA:编程智能体现场写代码驱动 G1 机器人抓薯片桶 — Lianhuiq · 2026-10-15
- Bittensor SN44 拟用生成式世界模型造现实模拟引擎 — richdotca · 2026-10-15
- Words to World 基准:让 LLM 控制真实机械臂与传感器闭环交互 — Xinnan Dai · 2026-10-15
- 想亲手从零造一台 RoboParty 机器人:工程师的机械车间冲动 — andrew_n_carr · 2026-10-15
- Zipline 无人机配送测试场日出剪影，两架飞行器同框 — AnandSwa · 2026-10-15