机器人 / 具身智能

Benchmarking Action Spaces in Reinforcement Learning for Vision-based Robotic Manipulation

基于视觉的机器人操作中强化学习动作空间的基准测试

Seyed Alireza Azimi, Homayoon Farrahi, Abhishek Naik, Colin Bellinger, A. Rupam Mahmood

机构 * Department of Computing Science, University of Alberta（阿尔伯塔大学计算机科学系） ； National Research Council Canada（加拿大国家研究委员会） ； School of Electrical Engineering and Computer Science, University of Ottawa（渥太华大学电气工程与计算机科学学院） ； Vector Institute（向量研究所） ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所） 纠错

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

AI总结 本研究通过模拟到现实的迁移，在物体抓取和推动任务中评估了四种动作空间，发现关节速度动作空间在平滑性和任务性能上最优，并为RL实践者提供了动作空间选择指导。

Comments 9 pages with references

SRL: Combining SLIP Model and Reinforcement Learning for Agile Robotic Jumping

SRL：结合SLIP模型与强化学习实现敏捷机器人跳跃

Xiaowen Hu, Linqi Ye, Yudi Zhu, Chenyue Shao, Rankun Li, Qingdu Li, Yan Peng

机构 * Institute of Artificial Intelligence, Shanghai University（上海大学人工智能研究院） ； Institute of Machine Intelligence, University of Shanghai for Science and Technology（上海理工大学机器智能研究院） 纠错

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

AI总结 提出SRL框架，融合SLIP模型的物理基线与强化学习的自适应能力，通过前馈控制信号与实时反馈优化机器人跳跃，显著减少训练时间并保持高精度跟踪。

Comments 17 pages, 12 figures

Recover, Discover, Plan: Learning Skills and Concepts from Robot Failures

恢复、发现、规划：从机器人失败中学习技能与概念

Bowen Li, Mayank Mishra, Y. Isabel Liu, Stone Tao, Nishanth Kumar, Alexander G. Gray, Ruwan Wickramarachchi, Jonathan Francis, Sebastian Scherer, Tom Silver

机构 * CMU（卡内基梅隆大学） ； Princeton（普林斯顿大学） ； AI2（艾伦人工智能研究所） ； MIT（麻省理工学院） ； Centaur AI ； Bosch Center for AI（博世人工智能中心） 纠错

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

AI总结 提出ReSYNC方法，通过技能学习与概念发现的交替过程，从失败恢复经验中逐步构建抽象谓词，实现全局失败避免和长期规划，性能提升超50%。

Comments 9 pages, 6 figures. Website: https://jaraxxus-me.github.io/ReSYNC/

GrowthHacker: Automated Off-Policy Evaluation Optimization Using Code-Modifying LLM Agents

GrowthHacker: 使用代码修改型LLM代理的自动离线策略评估优化

Jie JW Wu, Ayanda Patrick Herlihy, Ahmad Saleem Mirza, Ali Afoud, Fatemeh Fard

机构 * Michigan Technological University, Houghton（密歇根技术大学） ； Birmingham City University（伯明翰城市大学） ； University of British Columbia, Kelowna（不列颠哥伦比亚大学, 肯洛纳） 纠错

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

AI总结 提出GrowthHacker基准，利用LLM代理自动迭代修改代码以优化离线策略评估（OPE）实现，在Open Bandit Pipeline和Scope-RL上评估多种框架，证明基于LLM的代理可作为自动增长黑客持续改进OPE系统。

Comments Accepted for publication in ACM Transactions on Software Engineering and Methodology (TOSEM), 2026