arXiv · cs.RO· Ilia Larchenko·· 2 天前精选AI 评分75
离线强化学习结合在线推理调优：CoRL 2026 RoboEval挑战赛解决方案
Off-Policy RL with Online Inference Tuning: My Solution to the CoRL 2026 RoboEval Challenge
AI 导读
作者提出了一种针对CoRL 2026 RoboEval双臂机器人挑战赛的解决方案，结合离线强化学习与在线推理调优技术。该方法基于π₀.₅策略，使用AWR和RECAP算法进行训练，并在两天内将策略性能提升至0.85 RDS。最终提交的策略在保留种子上达到0.990 RDS，官方种子上达到0.987 RDS。
推荐理由
通过离线RL与在线推理调优结合，双臂机器人任务性能达0.99 RDS，接近人类演示水平。
来源：arXiv · cs.RO · arxiv.org