HuggingFace Daily Papers·2026-09-30 08:00· 2 天前AI 评分38

DexPolicy：面向轨迹引导灵巧操作的调度式探索方法

DexPolicy: Scheduled Exploration for Trajectory-Guided Dexterous Manipulation

AI 导读

DexPolicy 将探索噪声尺度设为训练步数的显式函数，从宽到窄退火，在 PPO、GRPO 和流参数化 PPO（FPO）三种设置下提升轨迹引导灵巧操作的成功率。