机器人 / 具身智能

MRS: Multi-Resolution Skills for HRL Agents

MRS：多分辨率技能用于HRL智能体

Shashank Sharma, Janina Hoffmann, Vinay Namboodiri

机构 * DeepMind 纠错

专题命中 模仿学习与强化学习 ：robotics(abstract,abstract_cn)；分类 cs.RO、cs.AI、cs.LG

AI总结 本文提出MRS多分辨率技能，通过学习多个固定时间跨度的目标预测模块，解决HRL中子目标选择精度与预测噪声的矛盾，提升长周期任务性能。

Drift-Based Policy Optimization: Native One-Step Policy Learning for Online Robot Control

基于漂移的策略优化：面向在线机器人控制的原生一步生成策略

Yuxuan Gao, Yedong Shen, Shiqi Zhang, Wenhao Yu, Yifan Duan, Jia pan, Jiajia Wu, Jiajun Deng, Yanyong Zhang

机构 * University of Science and Technology of China（中国科学技术大学） ； iFLYTEK 纠错

专题命中 模仿学习与强化学习 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 本文提出一种原生一步生成策略框架，通过将迭代细化移至训练阶段，提升在线机器人控制的效率与稳定性，实验显示其在推理速度和性能上优于多步扩散策略。

FASTER: Value-Guided Sampling for Fast RL

FASTER：基于价值引导的快速强化学习采样

Perry Dong, Alexander Swerdlow, Dorsa Sadigh, Chelsea Finn

机构 * Stanford University（斯坦福大学） 纠错

专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.AI、cs.LG

AI总结 FASTER通过建模去噪过程中的动作候选过滤作为马尔可夫决策过程，提升采样测试时间缩放的效率，减少计算成本并提高性能。