TMRL：扩散时间步调制预训练实现高效策略微调的探索

Matthew M. Hong, Jesse Zhang, Anusha Nagabandi, Abhishek Gupta

2026

摘要

本文提出统一框架TMRL，通过上下文平滑预训练（CSP）在策略输入中注入前向扩散噪声，桥接行为克隆预训练与强化学习微调。该方法使智能体在微调时动态调节扩散时间步，有效控制探索，在复杂操作任务中实现一小时内完成真实世界微调。

reinforcement learningfine-tuningdiffusion modelexplorationrobot policy

LEARNING

开放获取📊 1 引用

Keyi Shen, Glen Chou

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

Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

Yong Tao, Donghua Tan, Fan Ren 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026