GTP:用生成式规划替代 RL,机器人操作任务在线学习更高效

du_yilun · x · 2026-10-24

Google 研究员杜一峦(Yilun Du)介绍其团队的 Generative Trajectory Planning(GTP)方法,探索具身智能体如何有效在线学习。核心思路是不通过 RL 学策略,而是让模型学会「提出有前景的动作序列」,并用学习到的世界模型对其进行细化,随着经验积累不断改进规划能力。

该方法在 RL 方法长期表现挣扎的机械臂操作(manipulation)任务上实现了有效的在线决策。工作由 Haldun Balim 主导,与 Lina Na Li 合作完成。