OneDemo：单条演示统一学策略与生成数据

Ying Qian 等作者提出强化学习框架 OneDemo，把编辑单条成功演示建模为结构化强化学习问题：编辑器从稀疏任务成功奖励中学习何时在以物体为中心的轨迹段之间切换、如何对每段做几何调整，同时充当任务策略和可复用的演示生成器。 在 15 个 Meta-World 任务上，OneDemo 平均在 53.7k 次环境交互内达到 92.7% 成功率；在 9 个 DexMimicGen 任务上，它生成演示的平均成功率为 98.4%，在相同数据规模下用这些数据训练的 BC-RNN 策略平均成功率达 99.6%。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。