基于随机解耦策略梯度的高效在线视觉强化学习

Haoxiang You, Yilang Liu, Davis Zong, Qian Wang, Teeratham Vitchutripop, Qi Wang, Daniel Rakita, Ian Abraham

2026

摘要

提出随机解耦策略梯度（SDPG）方法，通过轨迹滚动的随机扰动估计策略梯度，大幅减少批渲染环境数量与计算内存开销。在视觉MuJoCo基准测试中，SDPG在训练时间、内存使用和奖励方面均优于基线方法，并展示了从仿真到真实硬件的有效迁移。

visual reinforcement learningpolicy gradientsample efficiencysim-to-real

LEARNING

开放获取📊 1 引用

Keyi Shen, Glen Chou

2026

LEARNING

📊 0 引用

Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者

Robotics and Computer-Integrated Manufacturing · 2026