University of Oxford（牛津大学）

Sampling Strategies for Robust Universal Quadrupedal Locomotion Policies

鲁棒通用四足运动策略的采样策略

David Rytz, Kim Tien Ly, Ioannis Havoutis

机构 * Dynamic Robot Systems（动态机器人系统） ； Oxford Robotics Institute（牛津机器人研究所） ； University of Oxford（牛津大学） 纠错

AI总结 研究通过采样物理参数和关节增益，训练单一强化学习策略以泛化到多种四足机器人配置，比较三种采样策略，并利用先验和参考模型提升鲁棒性，在ANYmal上零样本部署。

Removing Noise, not Finding Gold: Quality Filtering for Large-Scale Pretraining

去除噪声，而非寻找黄金：大规模预训练的质量过滤

Thiziri Nait Saada, Louis Bethune, Michal Klein, David Grangier, Marco Cuturi, Pierre Ablin

机构 * Work done as an intern at Apple（苹果公司实习生） ； University of Oxford（牛津大学） ； Apple（苹果公司） 纠错

AI总结 本文深入分析基于分类器的质量过滤（CQF）方法，发现其虽提升下游任务性能，但会隐式过滤高质量数据，且与基于合成数据的模型行为趋势不同，质疑CQF捕捉数据质量的有效性。

Comments 21 pages, 22 figures, 2 tables, accepted at ICML 2026