C-Slerp：无监督强化学习实现规划与探索

Jonghae Park 等作者发表论文提出自监督强化学习算法 C-Slerp，通过超球面参数化下的对比表征，以球面线性插值闭式推断中间路点，无需额外高层策略或图搜索，即可从零学会搭建最多八层积木塔。 论文称该方法在长时程导航与机器人操作任务上成功，而强基线在部分场景中一次都未能成功；消融实验显示固定路点数会显著降低性能，说明按任务难度调整规划步数至关重要。 论文称该算法无需先验数据、奖励、演示或预训练模型。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。