Robo-ValueRL——面向离线到在线强化学习的可靠价值估计：同时捕捉全局任务进度和局部动作偏好，先离线预训练，后在线提升
原文中文，约5200字，阅读约需13分钟。
📝
内容提要
本文提出Robo-ValueRL框架，旨在通过可靠的价值函数提升离线到在线强化学习在机器人操作任务中的性能。该框架包含三个关键组件：历史条件化价值估计器、质量条件化视觉-语言-动作(VLA)策略预训练和在线残差自适应模块。...
