登录

策略

分类

策略

我们将价值模型近期的预测作为“任务进度记忆”，提供给动作策略，帮助机器人利用任务进展、停滞和回退的信息选择动作。

文章

VaM围绕这两个问题展开：为动作策略补充近期进度信息，并建立能够反复利用新旧经验的在线学习闭环。

文章

把价值预测变成动作策略可以使用的记忆（ValueCaching）

文章

已经

通用机器人策略已经能够从示范中学习多种操作技能，但把这些技能稳定地部署到真实世界，仍然面临两类困难。

文章