人形机器人RL流水线四层代理偏差分析

2026年10月5日，arXiv cs.RO 发表一项研究，指出腿足机器人强化学习流水线中的奖励、课程门控、评估统计与参考动作四层均为代理指标，各自存在特征性偏离机制，并可通过重构消除。作者用单个笔记本 GPU 上 13500 次迭代、四阶段成长的 1.91 米仿真人形 PPO 策略验证：基于平均误差的课程门控在技能缺失时仍按速率上限推进，同步重置的批量推力测试因步态相位混叠将 0.5 m/s 推力判为比 2.0 m/s 更危险。

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。