伯克利研究者提出 Advantage Guidance：用监督损失做高性能机器人 RL
berkeley_ai · x · 2026-10-21
UC Berkeley 的 Zhiyuan Zhou 与 Sergey Levine 发布新方法 Advantage Guidance，是作者去年在 Physical Intelligence 实习期间训练 π0.6 advantage-conditioned VLA 之后改进出的 RL 配方。
- 核心思路：用稳定的 advantage-conditioned 监督训练，配合对比引导采样（contrastive guidance sampling），把 off-policy RL 化为一个简单的监督学习损失
- 论文图表显示，AG（含 contrastive guidance）在聚合成功率基准上达到约 70%，超过 EDP、QGF、CFGRL、CRR、FQL 等一众 RL 基线方法
- 论文与代码均已开源
「具身」频道最新
- Phonon TTS 管线登陆 GenieX，语音合成跑上 NPU — HowDevelop · 2026-10-21
- Ropedia 开源 W0 世界模型：1万小时人类视频训练，零机器人数据即超基线 — liuziwei7 · 2026-10-21
- 用 Claude 制定方案：实测廉价 SG90 舵机建模 MuJoCo 模型 — _Stocko_ · 2026-10-21
- 纽约客长文：我们正在学会与 Waymo 共处，过程相当诡异 — njrc · 2026-10-21
- 自主飞行公司 Reliable Robotics 融资 1.4 亿美元,估值破 10 亿 — Sethwinterroth · 2026-10-21
- GPT-6 Astra 控制机械臂给水杯加柠檬片，目标办晚宴 — mmmbchang · 2026-10-21