QTOP:分位数评论家的人形运动跟踪强化学习
QTOP: Scaling Humanoid Motion Tracking with Quantile Critics
AI 摘要
作者提出 Quantile Tracking Optimization(QTOP),把人形全身运动跟踪的强化学习改为以状态—参考对为条件的分布式优势估计,以缓解多动作混合训练带来的学习干扰、提升样本效率。
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。
QTOP: Scaling Humanoid Motion Tracking with Quantile Critics
AI 摘要
作者提出 Quantile Tracking Optimization(QTOP),把人形全身运动跟踪的强化学习改为以状态—参考对为条件的分布式优势估计,以缓解多动作混合训练带来的学习干扰、提升样本效率。
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。
Haoyun Tang 等提出 ThinkWAM,一种世界-动作模型框架,采用“提议-重思-精化”循环:策略先输出完整动作块,再用学习到的残差修正多尺度未来潜变量,并把修正结果注入同一动作头的第二遍推理,从而生成可执行动作块。作者还引入可供性引导的观察-动作记忆,以及近细远粗的多尺度预测方案,二者均受预测编码启发。摘要未给出量化评测结果。
谷歌DeepMind发布新一代世界模型Genie 4,称其在实时仿真中实现前所未有的真实感,目标是把生成式世界模拟推向更高保真度。原文仅给出这一总体表述,未披露模型参数、评测指标、开放时间或可用范围。
诺因发布 GLOW 具身智能技术报告,针对 GPT-6 之后具身智能如何落地的问题,提出让机器人"一教就会"的学习方案:在少量人类示教下快速掌握新任务并泛化到新场景。报告给出方法框架与训练思路,重点解决示教数据昂贵、任务迁移困难两大痛点,但公开材料中尚未披露具体成功率等量化结果。
Haotian He 等提出 WiTac 预训练触觉编码器,在动作生成前将触觉信号与手部运动、腕部视角深度融合。基于近300小时 SharpaDex 数据预训练后,以该表征为条件驱动 GR00T N1.7 与 π0.5,四项接触密集操作任务的平均成功率分别提升 28.8% 与 15.0%,并比不含腕部信息的触觉编码器高 18.8%。