从预训练到熟练：以最少人工干预实现长时程操作的真实环境子任务强化学习
研究人员提出 PARTS，通过强化学习专门改进机器人基础策略容易失败的关键子任务。系统无需重新收集完整任务示范，而是在保留预训练策略常规动作的同时，重点训练任务瓶颈。学习得到的选择器和成功验证器会触发残差修正并提供局部奖励，因此即使完整任务成功样本稀少，也能继续学习。在双臂 YAM 任务中，完整任务成功率从32%提升至61%；在单臂 Franka 任务中，则从50%提升至95%。每项任务平均只需数十分钟的真实机器人强化学习运行，并且比现有方法需要更少的人工参与。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。