伯克利推出 QF3：过滤 Q 梯度的离线策略 RL，可从头训练人形机器人
berkeley_ai · x · 2026-10-15
UC Berkeley 团队（akanazawa 组，ChungMinKim 主导）发布 QF3: Fast Flow RL with Filtered Q-Gradients，是其 flow policy RL 系列的新增离线策略（off-policy）方法。
核心思路简单：沿 ∇Q 爬坡，用过滤机制保证稳定性，再对 replay buffer 做 flow matching。特点是样本效率高，且一个统一的 off-policy 更新就能：
- 从头训练人形机器人（humanoids）
- 微调 VLA 模型
- 微调图像模型
所属事件:伯克利发布QF3：流策略离线RL新方法训练人形机器人(3 条相关)→
「具身」频道最新
- 亚特兰大公寓启用机器狗夜间巡逻,还会用印度口音喊话住户 — 4KTV · 2026-10-15
- dm_robots 创始人赴大湾区拓人脉：大中华区 130 万外籍居民三分之一在香港 — DominiqueCAPaul · 2026-10-15
- Rhoda 机器人蒙眼触觉取物:新传感器可感知压力、纹理与温度 — DhruvBatra_ · 2026-10-15
- 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