arXiv · cs.RO官方发布· Yixuan Yang, Qiang Chen, Run Shao, Shuwei Dong, Wenhao Li, Yunpeng Wang, Wenhan Fang, Haomiao Wu, Xingyu Wang, Lichen Man, Rong Zhang, Xuezhi Cui, Yuan Liu, Bingyan Lu, Jiawei Ma, Xiaoyang Ma, Zhemin Sun, Zhuorui Yao, Yutong Dong, Yuxuan Zhao, Yichong Mu, Jiabao Jiang, Wenxuan Deng, Junling Zhou, Yi Chen, Deyu Zhang, Yiming Yan, Yige Yuan, Shan You, Fei Wang, Haifeng Li, Hongyan Xu, Yichao Cao, Xiu Su·· 2 小时前精选AI 评分62
论文 / 摘要阅读
Compounding Physical RSI：把执行失败转化为可继承能力的机器人策略框架
Compounding Physical RSI: Turning Execution Failure into Inherited Capability
AI 导读 · 根据来源整理
作者提出 Compounding Physical RSI 自演化策略框架，把机器人执行失败转化为可继承的能力。该框架先用自动化能力缺口评估把失败轨迹定位到任务阶段并形成结构化改进目标，再基于该目标筛选阶段相关经验，通过行为正则化离线强化学习更新策略，无需每步在线 rollout；最后在继承参考策略与精炼策略之间构造权重空间候选，在任务套件上评估并选出下一代参考状态。在 RoboDojo-Sim 全部 42 项任务上，CSU-AI-07 以三随机种子平均 Overall Score 26.15、成功率 20.70% 排名第一，比次优条目高 5.92 分和 5.82 个百分点。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org