XQCfD：利用先验数据和先验策略加速快速Actor-Critic算法

Daniel Palenicek, Florian Vogt, Joe Watson, Ingmar Posner, Danica Kragic, Jan Peters

2026

摘要

该论文提出XQCfD算法，通过使用增强回放缓冲区、预训练策略和固定策略架构，有效利用演示数据提升强化学习的样本效率。在Adroit、Robomimic和MimicGen基准测试的复杂操作任务中，XQCfD以低更新-数据比和无集成网络实现了最先进性能。

reinforcement learningsample efficiencydemonstration dataactor-criticmanipulation

MANIPULATION

📊 2 引用

Yusen Li, Ziwei Wang, Xiangye Zhu 等 12 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 1 引用

Shaoqing Qin, Lida Zhu, Yanpeng Hao 等 10 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

Bo Li, Yuanbo Zhao, Huijie Xiao 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

Hao Li, Yuhui Yu, Rui Fu 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026