arXiv cs.AI· Likui Zhang, Zhe Zhu, Zhihao Zhan, Yibo Bai, Hanlin Wang, Dongwei Li, Bin Wang, Tianle Zhang, Xiaodan Liang, Liang Lin·· 2 小时前AI 评分42
AtomicRL：面向长时序机器人操作的原子化强化学习框架
AtomicRL: Atomic Reinforcement Learning for Long-Horizon Robotic Manipulation
AI 导读
研究者提出强化学习后训练框架 AtomicRL，利用原子任务结构改善 VLA 模型的信用分配与自适应探索，包含 Semantic-Aware Policy Optimization（SAPO）和 Bottleneck-Adaptive Target Exploration（BATE）两项技术，并配套 Real2Sim2Real 部署管线。
来源：arXiv cs.AI · arxiv.org