#非抓取操作 (2)

基于接触引导探索与多评价家强化学习的非抓取移动操作

论文将抓取算法生成的 25 个候选点转化为可退出的探索目标，用任务、探索和正则三个价值头解耦强化学习信号，并在 5000 到 10000 步之间调度优势权重。完整方法在椅子运输仿真中达到 94.1% 成功率和 4.4% 倾翻率，真机零样本完成 40/58 次未见 IKEA 物体运输。