自博弈人形交接策略遇陌生伙伴失效,隐藏启动延迟随机化可修复
When Will You Hand It Over? A Hidden Start Delay Makes Self-Play Handover Robust to Unfamiliar Partners
AI 摘要
研究团队在 Unitree G1 人形机器人上训练 PPO 自博弈包裹交接策略,发现接收方与自训练伙伴成功率可达 95%/90%,面对陌生脚本伙伴却骤降至 31%;仅把伙伴动作延后 1 秒,成功率更跌至 6%。作者据此提出隐藏启动延迟随机化(HSD),用一行训练规则让策略重新适应陌生伙伴的节奏。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。