arXiv cs.RO 机器人学· Weixi Song, Donglin Wang, Yong-Lu Li·· 5 小时前精选AI 评分57
Chunk-wise Model-based Policy Optimization 入选 CoRL 2026 Spotlight
Chunk-wise Model-based Policy Optimization
AI 导读
论文提出 Chunk-wise Model-based Policy Optimization，用 chunk world model 作为可微的训练时评估器优化 chunk actor，无需递归调用模型；通过世界模型与策略的协同分块预测，可在单次前向传播中生成 H 步假设 rollout 并直接优化价值扩展，避开代价高且不稳定的 BPTT。
推荐理由
论文指出基于模型强化学习在复合误差、推理延迟和 BPTT 不稳定上的共性问题，可据此对照现有方案取舍。
来源：arXiv cs.RO 机器人学 · arxiv.org