arXiv cs.RO 机器人学· Zhefei Gong, Hefeifei Jiang, Zehao Wang, Jiachen Li·· 2 小时前精选AI 评分56
HiRe-MoMa：面向真实世界移动操作的分层残差策略学习框架
Hierarchical Residual Policy Learning for Real-World Mobile Manipulation with Sparse Human Guidance
AI 导读
CoRL 2026 论文提出 HiRe-MoMa 框架，用于复杂移动操作系统的稳定、样本高效真实世界微调。其分层残差架构在冻结的基础策略上学习加性修正，并将残差解耦为移动底盘与机械臂两个头、采用单向条件连接以缓解梯度干扰；专家引导的价值对齐利用低于 20% 训练覆盖的稀疏人工干预重塑 critic 的价值分布。
推荐理由
论文给出稀疏人工干预低于20%训练覆盖和约30分钟在线交互的具体数字，可评估其样本效率主张。
来源：arXiv cs.RO 机器人学 · arxiv.org