基于可表达流教师模型的对抗性双在线策略蒸馏

Zhenglin Wan, Jingxuan Wu, Xingrui Yu, Chubin Zhang, Mingcong Lei, Bo An, Ivor W. Tsang, Yang You

2026

摘要

提出FA-OPD方法，从演示中学习流匹配教师模型，并与轻量MLP学生模型协同训练，通过奖励通道和动作通道提供互补信号，实现在线探索与局部稳定利用的结合。在多种机器人任务上显著优于现有基线，尤其对噪声和有限演示数据表现出强鲁棒性。

adversarial dual on-policy distillationflow matchingbehavioral cloningrobot learningdemonstration learning

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