arXiv · cs.RO· Kefei Zhu, Lingyun Xu, Yue Xin, Xiaoqi Li, Caixin Guo, Xincheng Du, Yuanpei Chen, Yaodong Yang, Hao Dong·· 3 小时前精选AI 评分60
论文 / 摘要阅读
ResMerge：用残差策略学习与合并实现预训练机器人策略的持续适应
ResMerge: Residual Policy Learning and Merging for Continual Adaptation of Pre-trained Robot Policies
AI 导读 · 根据来源整理
ResMerge 是一个两阶段框架，在冻结的预训练策略之上学习可合并的残差策略，用于机器人的持续适应。其残差强化学习在适应阶段无需额外专家演示即可获得任务特定修正，参数空间合并则整合兼容的残差以减少存储参数；作者还提出 Residual-Field Consistency（RFC）指标，通过比较修正方向与幅度评估残差动作场空间的兼容性。在 LIBERO 上跨两个骨干网络以及真实 Franka 机器人上的实验显示，其持续学习表现优于强 PECFT 基线，选择性合并降低了残差参数占用。论文为 9 页预印本，代码与项目网站已给出。
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