FOCUS：无需时间对齐的观测模仿学习预印本

João A. Cândido Ramos 等作者提交预印本论文，提出 FOCUS 方法：从纯状态观测演示中学习行为，不要求演示与智能体轨迹在时间上对齐。该方法把智能体 rollout 窗口与多个采样专家片段做局部最优传输对齐，用 soft best-of-K 目标强调局部匹配，得到可微的模仿奖励，再由学习到的 critic 在 rollout 时域之外做价值自举；作者称其不需要专家对齐初始化或 teacher forcing。 作者报告，在 DFlex 的接触丰富运动任务上（包括由 152 个肌肉激活控制的肌肉骨骼人形），FOCUS 相比对抗式从观测模仿方法和此前的可微模仿基线，提升了样本效率与训练稳定性。该论文为预印本，已被 NeurIPS 2026 Workshop on Physical Understanding for Decision-Making 接收，上述效果尚未见独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。