← 返回视频

QF3：流策略的 off-policy 强化学习

视频加载中

QF3 是在线 off-policy 算法：用流匹配加评论家动作梯度训练流策略，梯度经一步输出预测反传，且只作用在靠近回放动作的那些维度上，保证评论家与预测都可信。作者称这是首个从零训练人形行走策略并零样本迁移到硬件的 off-policy 流策略方法。

QF3 流匹配 Off-Policy RL Flow Policy Humanoid Locomotion 强化学习零样本迁移运动追踪异策略强化学习人形行走

Category: reinforcement-learning

Author: @robotsdigest

Date: 2026-10-11T00:00:00

Duration: 6.033s

Source: https://x.com/robotsdigest/status/2109341598823940189

Reference: https://arxiv.org/abs/2610.08789

WARL:力矩增强强化学习(IROS 2026)

WARL:力矩增强强化学习(IROS 2026)

@kyoneda777 · 324次播放 · 2026-07-28

强化学习IROS2026足式机器人

ACCRUE：机器人基础模型的持续强化学习

ACCRUE：机器人基础模型的持续强化学习

@cykim1006 · 34次播放 · 2026-10-14

强化学习持续学习机器人基础模型

booster_mjlab:Booster K1 人形机器人的 mjlab 训练配置与仿真演示

booster_mjlab:Booster K1 人形机器人的 mjlab 训练配置与仿真演示

@_gijsdj · 596次播放 · 2026-09-18

人形机器人仿真到现实MuJoCo

PingpongDuo：人形机器人乒乓球双打

PingpongDuo：人形机器人乒乓球双打

@arankomatsuzaki · 21次播放 · 2026-10-15

人形机器人乒乓球Multi-Robot Coordination

Sprite开源人形:31关节机械设计公开

Sprite开源人形:31关节机械设计公开

@techniahqrobot · 29次播放 · 2026-10-14

人形机器人开源硬件URDF

PortSimEnv:港口泊位规划RL环境

PortSimEnv:港口泊位规划RL环境

@alacheng · 40次播放 · 2026-10-14

强化学习仿真Operations Research

作为亚马逊联盟会员,我们可能从符合条件的购买中获得佣金。