Latent RL Priors for Data-Efficient Dexterous Manipulation

Yixiao Wang提出Latent RL Prior框架，通过两阶段方法实现数据高效的灵巧操作学习。在预训练阶段，将大规模RL交互知识蒸馏为条件流匹配动作解码器；在视觉适应阶段，冻结解码器并仅通过动作监督学习视觉到潜在上下文的映射。在三个模拟任务中，该方法在低数据场景下优于全参数微调，在门提升和双臂装配任务中分别仅需10倍和5倍更少演示数据即可超越全基线。