요약
文章浏览阅读10次。本文提出了一种"部署中学习"(Learning While Deploying)框架，通过机器人舰队规模的强化学习来优化通用机器人策略。该方法构建了一个数据闭环：部署的机器人集群产生多样化经验，共享策略聚合这些数据并持续改进，改进后的策略重新部署以收集更高质量的数据。研究团队设计了分布式隐式价值学习(DIVL)方法来处理异质部署数据中的多模态回报分布，并采用基于流的策略提取机制(QAM)实现稳定更新。实验在16台双臂机器人组成的舰队上进行，覆盖8个操作任务，结果显示该方法仅需数小时真实交
본문
1.1 1.1.1 ，，：， VLA [1-RT1, 2-Rt-2, 3-Octo, 4-Openvla, 5-0, 6-0.5] ，，：，，，， ， ，，，，，：，，， (Learning WhileDeploying, LWD)： ，，， [7-Hg-dagger: Interact…