机器人 / 具身智能

Tune to Learn: How Controller Gains Shape Robot Policy Learning

调谐以学习：控制器增益如何塑造机器人策略学习

Antonia Bronars, Younghyo Park, Pulkit Agrawal

机构 * MIT（麻省理工学院） ； Improbable AI Lab（Improbable AI实验室） 纠错

专题命中 机器人学习 ：robot policy(title)；robot learning(abstract)；manipulation(abstract)；分类 cs.RO

AI总结 研究探讨了控制器增益对机器人策略学习的影响，发现策略克隆需合规性增益，强化学习需参数调优，仿真到现实转移受刚性增益影响。

Comments Equal contribution between first two authors; order determined by coin flip. Project website: https://younghyopark.me/tune-to-learn

UniCon: A Unified System for Efficient Robot Learning Transfers

UniCon：一种高效的机器人学习迁移统一系统

Yunfeng Lin, Li Xu, Yong Yu, Jiangmiao Pang, Weinan Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； AI Laboratory, Chongqing Changan Automobile Co. Ltd.（重庆长安汽车股份有限公司人工智能实验室） 纠错

专题命中 机器人学习 ：robot learning(title)；分类 cs.RO

AI总结 UniCon通过标准化状态、控制流程和仪器化，解决了异构机器人间部署学习控制器的挑战，采用模块化数据导向方法实现仿真到现实的无缝迁移，减少代码冗余并提高推理效率。

Comments The article has been accepted by Frontiers of Computer Science (FCS), with the DOI: {10.1007/s11704-026-52064-1}