Long SKILL Compliance as Logical Reasoning: Closure-Grounded Detection with Scaling-Guided On-Policy Distillation
Meituan(美团)
针对长SKILL合规性检测的成本与精度矛盾,提出SkillCDG框架,结合两级检索与依赖闭包实现检测,在多数据集上优于基线,还发现尺度趋势以优化小模型性能。
2026-08-11 cs.AI
Skill-Guided Continuation Distillation for GUI Agents
StepFun;University of Science and Technology Beijing(北京科技大学);Tsinghua University(清华大学);Nanyang Technological University(南洋理工大学)
提出技能引导延续蒸馏(SGCD)框架,通过技能引导策略生成成功延续轨迹,弥补专家轨迹中未覆盖的状态监督缺失,在OSWorld-Verified上将三个基础模型成功率从30%左右提升至50%以上。
2026-06-18 cs.AI
SkillLens: Visual Skill Cards for Retrieval-Augmented GUI Action Prediction and On-Policy Distillation
SkillLens提出可视化技能卡片(VSCs),结合轨迹转卡片方法与检索增强机制,在两个多模态网页基准上提升了冻结GPT-5.4-mini执行器及Qwen3-VL-2B学生模型的GUI动作预测性能。
2026-11-04 cs.AI
Skill-Decoupled On-Policy Expert Distillation for Unified Vision-Language Models
School of Computer Science and Engineering, Northeastern University(东北大学计算机科学与工程学院);Alibaba Group(阿里巴巴集团)
该研究针对视觉-语言模型联合优化的梯度冲突问题,提出SCOPED方法,经8个多模态基准测试验证其性能优于基线,可有效整合独立获取的专用能力。
2026-10-16 cs.AI cs.CV
Distill Skills into Weights, Not Prompts: Abstract Skills as Privileged Signals for On-Policy Self-Distillation
该研究针对强化学习中组相对奖励失效的问题,提出SKALD框架,通过将抽象技能蒸馏为模型权重,在五个数学基准上提升了不同规模模型的avg@8指标。
2026-08-11 cs.AI cs.LG
UCOB: Learning to Utilize and Evolve Agentic Skills via Credit-Aware On-Policy Bidirectional Self-Distillation
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);Pengcheng Laboratory(鹏城实验室);Memorax AI
提出UCOB框架,通过比较技能条件与无技能提示的回报,实现信用感知的在策略双向自蒸馏,以有效利用和更新技能记忆,在ALFWorld、WebShop等任务上显著超越基线。
2026-07-20 cs.AI cs.CL
Progressive Reinforcement Learning with Distillation for Multi-Skilled Motion Control
University of British Colubia(英属哥伦比亚大学)
深度强化学习已经证明了不断增加的连续控制问题的能力,包括可以在其环境中熟练和敏捷地移动的代理。在这种情况下,一个开放的问题是,制定良好的战略,整合或合并多个技能的政策,其中每一个单独的技能是一个特定的技能和相关的状态分布的专家。我们扩展策略蒸馏方法的连续动作设置,并利用这种技术来结合专家的政策,在不同类别的地形模拟双足运动的域中进行评估。我们还介绍了一种输入注入方法,用于增强现有的政策网络,以利用新的输入功能。最后,我们的方法使用迁移学习来帮助有效地获得新技能。这些方法的组合允许策略使用新技能进行增量增强。我们比较我们的渐进式学习和集成通过蒸馏(PLAID)方法对三个替代基线。
2018-02-13 cs.AI cs.LG cs.RO
SkillFactory: Self-Distillation For Learning Cognitive Behaviors
New York University(纽约大学);Toyota Research Institute(丰田研究所)
SkillFactory通过监督微调阶段学习认知技能,为强化学习奠定基础,提升模型在复杂任务中的泛化能力与鲁棒性。
2026-04-09 cs.AI cs.CL
P2Skill: Privacy Preserving Skill Distillation for Cloud-Local LLM Inference Systems
Korea University(高丽大学)
针对云-本地LLM推理系统的P2Skill,通过技能提示实现本地SLM自主处理PII相关操作,无需隐私微调,在四领域基准上的隐私保护推理质量较基线提升1.69倍、3.66倍。
2026-10-14 cs.AI cs.CR
Skill-Conditioned Gated Self-Distillation for LLM Reasoning
Tsinghua University(清华大学);Fudan University(复旦大学);City University of Hong Kong(香港城市大学);Huazhong University of Science and Technology(华中科技大学);University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
提出技能条件门控自蒸馏(SGSD),通过从经验技能库中检索技能-错误对构建多教师池,并利用验证器验证教师极性,以鲁棒门控目标蒸馏信息性师生差异,在弱先验信息假设下提升数学推理性能。
2026-09-04 cs.AI cs.CL
COLLEAGUE.SKILL: Automated AI Skill Generation via Expert Knowledge Distillation
Shanghai Artificial Intelligence Laboratory(上海人工智能实验室)
提出一个从异构痕迹到可检查、可修正、可代理使用的技能包的自动化蒸馏系统,用于生成基于人的AI技能。
2026-05-29 cs.AI cs.CL cs.LG
From Multi-Agent to Single-Agent: When Is Skill Distillation Beneficial?
The Chinese University of Hong Kong(香港中文大学);LIGHTSPEED
研究探讨了技能蒸馏在多智能体系统到单智能体系统转换中的有效性,提出通过评估指标的拓扑刚性预测技能效用,并引入AdaSkill框架实现自适应蒸馏。
2026-08-20 cs.AI
From Scoring to Acting: Outcome-Verified Comparative Self-Distillation for LLM Agents
该研究针对LLM智能体现有自蒸馏方法的局限,提出OVCSD方法,经实验在ALFWorld和WebShop数据集上显著提升了智能体任务完成成功率。
2026-07-31 cs.AI
Skill-SD: Skill-Conditioned Self-Distillation for Multi-turn LLM Agents
Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences(中国科学院大学杭州高等研究院);The Chinese University of Hong Kong(香港中文大学);University of Science and Technology of China(中国科学技术大学);University of Chinese Academy of Sciences(中国科学院大学);vivo AI Lab(vivo AI实验室)
Skill-SD通过将代理自身轨迹转化为动态训练监督,结合重要加权反KL损失稳定训练,提升多轮LLM代理性能,实验显示优于标准RL和OPD方法。
2026-04-12 cs.AI cs.CL cs.LG
A Deep Hierarchical Approach to Lifelong Learning in Minecraft
Technion Israel Institute of Technology(以色列理工学院)
我们提出了一个终身学习系统,有能力重用和转移知识从一个任务到另一个,同时有效地保留以前学到的知识基础。在流行的视频游戏Minecraft中,知识通过学习可重用的技能来解决任务,这是一个未解决的高维终身学习问题。这些可重复使用的技能,我们称之为深度技能网络,然后使用两种技术将其纳入我们的新型分层深度强化学习网络(H-DRLN)架构:(1)深度技能阵列和(2)技能蒸馏,我们的策略蒸馏的新变体(Rusu et. 2015年,学习技能。技能蒸馏使HDRLN能够有效地保留知识,从而通过积累知识并将多种可重复使用的技能封装到单个蒸馏网络中来扩展终身学习。与常规的深度Q网络相比,H-DRLN表现出更优越的性能和更低的学习样本复杂度(Mnih et. 2015年)在Minecraft的子领域。
2016-11-30 cs.AI cs.LG
Internalizing Agent Experience into Diffusion Model Weights via On-Policy Context Distillation
Harbin Institute of Technology(哈尔滨工业大学);Shanghai AI Laboratory(上海人工智能实验室);Shandong University(山东大学);Nanyang Technological University(南洋理工大学);Shanghai Jiao Tong University(上海交通大学)
提出D-OPCD方法,将智能体改进提示词作为特权上下文蒸馏进扩散模型权重,使模型在无框架时保留部分增益,在四个基准上平均得分从60.52升至65.09,并支持框架与模型持续共同进化。
2026-10-07 cs.AI
RetireOPD: Self-Retiring On-Policy Distillation for Agentic Reinforcement Learning
Zhejiang University(浙江大学);Alibaba Group(阿里巴巴集团)
RetireOPD通过自适应退役机制,在智能体强化学习中利用技能条件化教师进行在策略蒸馏,显著提升ALFWorld和WebShop任务性能。
2026-09-29 cs.AI cs.CL
ASDA: Automated Skill Distillation and Adaptation for Financial Reasoning
The University of Hong Kong(香港大学)
ASDA通过迭代误差纠正学习生成结构化技能 artifact,无需修改模型权重,在金融推理任务中实现显著提升,优于无训练基线。
2026-09-09 cs.AI cs.CE cs.CL
APEx: Distillation of Agent Procedural Experience for Adaptive Deep Research Question Answering
University of Science and Technology of China(中国科学技术大学);ByteDance Inc.(字节跳动公司);Chinese Academy of Sciences(中国科学院)
APEx是分层经验利用框架,通过三阶段交替GRPO训练优化Executor、Distiller、Planner模块,经7个基准测试性能超GPT-5.4和最强记忆增强基线,实现自适应深度研究问答。
2026-09-03 cs.AI cs.CL
OptSkills: Learning Generalizable Optimization Skills from Problem Archetypes via Cluster-Based Distillation
East China Normal University(华东师范大学);Shanghai Innovation Institute(上海创新研究院);Ant Group(蚂蚁集团)
提出OptSkills系统,通过聚类问题原型、蒸馏成功轨迹为可复用工作流技能,并动态扩展技能库,提升优化建模与求解的分布内和分布外泛化能力。
2026-09-03 cs.AI cs.LG
EmoDistill: Offline Emotion Skill Distillation for Language Model Agents in Adversarial Negotiation
University of Cambridge(剑桥大学);Technical University of Munich(慕尼黑技术大学);Exiger LLC;The Alan Turing Institute(艾伦·图灵研究所)
提出EmoDistill离线框架,通过隐式Q学习选择情感和低秩适应策略表达情感,蒸馏情感谈判技能到语言模型代理,在四个高风险谈判领域取得最高效用。
2026-09-04 cs.AI cs.CL
M2Distill: Multi-Modal Distillation for Lifelong Imitation Learning
CSIRO(联邦科学与工业研究组织);DATA61;Queensland University of Technology(昆士兰科技大学)
针对终身模仿学习中的分布偏移与灾难性遗忘问题,提出多模态蒸馏方法M2Distill,通过跨模态潜在表示对齐与GMM策略差异最小化,在LIBERO基准上全面超越现有方法。
2025-03-07 cs.AI cs.CV cs.LG
SkillEvolver: Skill Learning as a Meta-Skill
Tsinghua University(清华大学);Beijing Jiaotong University(北京交通大学)
SkillEvolver通过元技能迭代生成、部署和优化领域特定技能,无需重新训练即可直接应用于任何智能体,其学习目标是技能的文本和代码而非模型权重,通过元技能自身作为技能加载,提升技能表现。
2026-05-11 cs.AI
Robust Hierarchical Planning with Policy Delegation
The University of Sydney(悉尼大学)
提出了一种基于委托原理的层次规划框架和算法。这个框架,马尔可夫意图过程,具有一系列技能,每个技能都专门用于执行单个任务。技能意识到他们的预期效果,并能够分析规划目标,将规划委托给最适合的技能。这一原则动态地创建了一个计划的层次结构,其中每个技能都为它所专门化的子目标进行计划。所提出的规划方法的特点按需执行-技能政策只在需要时进行评估。计划仅在最高级别生成,然后在最新状态信息可用时扩展和优化。高级计划保留了最初的计划意图和先前计算的技能,有效地减少了适应环境变化所需的计算。我们表明,这种规划方法是实验非常有竞争力的经典规划和强化学习技术在各种领域,无论是在解决方案的长度和规划时间。
2020-10-25 cs.AI
Group-Reflective Self-Distillation for Agentic Reinforcement Learning
Baidu(百度)
该研究针对智能体强化学习中终端奖励监督粗粒度的问题,提出组内自蒸馏方法,利用策略自身已验证轨迹生成指导,细化回合级信用分配,在多环境多模型上性能优于基线且泛化性更好。
2026-08-04 cs.AI cs.LG
ArtisanCAD: An Industrial-Level CAD Agent with Expert-Grounded Knowledge Distillation
Peking University(北京大学);Eastern Institute of Technology(东方理工学院);Renmin University of China(中国人民大学);TenFong Technology Co., Ltd.(十方科技有限公司);IM Motors Technology Co., Ltd.(智己汽车科技有限公司)
研究针对工业部件CAD中现有方法的不足,提出ArtisanCAD智能体,利用专家基础知识蒸馏,以CAD中间表示为核心,能弥合文本意图与CAD构建差距,在基准测试和汽车部件设计中表现良好,可生成可编辑模型。
2026-07-09 cs.AI cs.GR
Semantic Skill Grounding for Embodied Instruction-Following in Cross-Domain Environments
Sungkyunkwan University(成均馆大学);LG AI Research(LG AI研究院);University of Illinois Chicago(芝加哥大学伊利诺伊分校)
针对跨域具身指令跟随中预训练技能落地难题,提出SemGro框架,利用语义技能层次结构,通过迭代分解将技能落地至可执行层级,在VirtualHome基准300个场景中验证了有效性。
2024-08-21 cs.AI
Skill Reinforcement Learning and Planning for Open-World Long-Horizon Tasks
Peking University(北京大学);Beijing Academy of Artificial Intelligence(北京人工智能研究院)
本文针对开放世界长程任务提出将多任务学习转化为基础技能学习与技能规划,在Minecraft中利用内在奖励RL和大型语言模型构建技能图,实现40个任务的高效无示范求解。
2023-12-04 cs.AI cs.LG
Learning to Plan & Schedule with Reinforcement-Learned Bimanual Robot Skills
NVIDIA;University of California San Diego(加州大学圣地亚哥分校)
本文提出了一种基于强化学习的双臂机器人技能计划与调度框架,通过分层结构提升复杂任务的执行效率与协调性。
2026-02-05 cs.AI cs.RO
Bootstrapping Motor Skill Learning with Motion Planning
Brown University(布朗大学)
从头开始学习机器人运动技能是不切实际的慢;以至于在实践中,学习必须使用从人类演示中获得的良好技能策略来引导。然而,依赖人类的示范必然会降低机器人的自主性,因为机器人必须在其工作寿命内学习各种技能。我们建议使用运动学运动规划作为一个完全自主的,样本有效的方式来引导运动技能学习的对象操作。我们展示了使用运动规划引导运动技能在两个复杂的对象操作场景与不同的政策表示:打开一个抽屉的动态运动原语表示,并关闭微波炉门深神经网络政策。我们还展示了我们的方法如何引导运动技能的挑战性的动态任务,学习打一个球的发球台,其中运动学计划的基础上处理的场景作为静态是不够的,以解决任务,但足以引导一个更动态的政策。在所有这三种情况下,我们的方法与人工演示的初始化相比都具有竞争力,并且显著优于随机策略。这种方法使机器人能够有效地和自主地学习动态任务的电机策略,而无需人类演示。
2021-01-12 cs.AI cs.RO
Reset-Free Lifelong Learning with Skill-Space Planning
UC Berkeley(加州大学伯克利分校);Google Brain(谷歌大脑)
终身强化学习(RL)的目标是优化智能体,使其能够在不断变化的环境中不断适应和交互。然而,当前的强化学习方法在环境是非平稳的并且交互是非情景性的时会严重失败。我们提出了终身技能规划(LiSP),这是一个基于高阶技能抽象空间规划的非情景终身RL算法框架。我们使用内在奖励以无监督的方式学习技能,并使用学习动力学模型对学习到的技能进行计划。此外,我们的框架甚至允许从离线数据中发现技能,从而减少了对过多现实世界交互的需求。我们的经验表明,LiSP成功地实现了长期规划和学习的代理,即使在具有挑战性的非静态和非情节的环境中,也可以避免灾难性的故障,这些环境来自gridworld和MuJoCo基准。
2021-06-15 cs.AI cs.LG cs.RO
Skill-based Safe Reinforcement Learning with Risk Planning
School of Computer Science, Carleton University(卡尔顿大学计算机科学学院)
本文提出安全技能规划(SSkP)方法,利用离线演示数据通过PU学习构建技能风险预测器,并结合在线风险规划高效学习风险规避的安全策略,在多个机器人仿真基准中优于现有安全强化学习方法。
2025-05-02 cs.AI cs.LG
Skill-based Model-based Reinforcement Learning
University of Southern California(南加州大学);KAIST(韩国科学技术院);NAVER AI Lab(NAVER人工智能实验室)
基于模型的强化学习(RL)是一种通过利用学习到的单步动力学模型来规划想象中的动作来学习复杂行为的样本高效方式。然而,为长期任务规划每一个动作是不切实际的,就像人类规划每一个肌肉运动一样。相反,人类利用高水平的技能来有效地计划解决复杂的任务。基于这种直觉,我们提出了一个基于技能的基于模型的RL框架(SkiMo),它可以使用技能动态模型在技能空间中进行规划,该模型直接预测技能结果,而不是逐步预测中间状态中的所有小细节。为了准确有效地进行长期规划,我们共同学习技能动态模型和来自先前经验的技能库。然后,我们利用学习的技能动态模型来准确地模拟和规划技能空间中的长期视野,这使得长期视野,稀疏奖励任务的有效下游学习成为可能。在导航和操作领域的实验结果表明,SkiMo扩展了基于模型的方法的时间范围,提高了基于模型的RL和基于技能的RL的样本效率。代码和视频可在https://clvrai.com/skimo上获得
2022-12-11 cs.AI cs.LG cs.RO
TurnSight: Turn-Level Hindsight Self-Distillation for Tool-Integrated Reasoning
针对工具集成推理中现有方法缺乏细粒度监督的问题,提出TurnSight框架,通过回合级事后自蒸馏生成可靠监督信号,在三个基准上验证了其有效性。
2026-08-05 cs.AI cs.CL
Discover Life Skills for Planning with Bandits via Observing and Learning How the World Works
University of Sydney(悉尼大学)
我们提出了一种新的方法,规划代理组成的抽象技能,通过观察和学习历史与世界的相互作用。我们的框架在马尔可夫状态空间模型中通过一组未知前提下的动作进行操作。我们将技能表述为基于当前状态提出行动计划的高级抽象策略。每个策略通过观察状态的转换来学习新的计划,同时代理与世界交互。这种方法自动学习新计划以实现特定的预期效果,但这些计划的成功通常取决于它们适用的状态。因此,我们制定了无限多武装土匪问题,在那里我们平衡的资源分配,评估现有武器的成功概率和探索新的选择等计划的评估。其结果是一个规划者能够在嘈杂的环境下自动学习强大的高级技能;这些技能隐式地学习动作的先决条件,而无需明确的知识。我们表明,这种规划方法在高维状态空间域的实验非常有竞争力。
2022-07-17 cs.AI cs.RO stat.ML
Offline Skill Graph (OSG): A Framework for Learning and Planning using Offline Reinforcement Learning Skills
Afeka College of Engineering(阿菲卡工程学院);Bosch Center for AI(博世人工智能中心)
本文提出离线技能图(OSG)框架,通过三个模块利用离线强化学习技能进行规划,使智能体从历史数据中泛化解决长时域任务,并在机器人手臂上验证其有效性。
2023-06-23 cs.AI cs.LG cs.RO
On-Policy Distillation for LLM Safety: A Routing Approach to Template-Robust Realignment
Tsinghua University(清华大学);Swinburne University of Technology(斯威本科技大学);EPFL(洛桑联邦理工学院)
针对现有LLM安全防御的模板鲁棒性不足等问题,提出ROPD框架,通过建模输出分布差异实现重对齐,大幅降低模板不匹配风险,在防御有效性和能力保留上优于基线方法,建立了新的鲁棒重对齐标准。
2026-07-30 cs.AI cs.CL cs.CR
Skill Learning Using Process Mining for Large Language Model Plan Generation
Technical University of Denmark(丹麦技术大学);Microsoft Development Center Copenhagen(微软哥本哈根开发中心)
本文提出一种整合流程挖掘技术的LLM技能学习方法,利用流程发现、模型存储和一致性检查解决计划生成中的执行与检索难题,提升了生成效率、可解释性及检索准确率。
2024-10-14 cs.AI cs.CL cs.DB
Learning to Plan Hierarchically from Curriculum
The University of Sydney(悉尼大学);NVIDIA(英伟达)
我们提出了一个框架,学习计划层次结构的领域与未知的动态。我们提高规划性能,利用问题的结构,在几个方面:(一)我们简化了搜索计划,利用知识的技能目标,(二)较短的计划产生的积极执行层次规划,(三)我们学习过渡动态稀疏的本地模型,更好地概括。我们的框架将过渡动态分解为技能效果和成功条件,这允许通过推理效果进行快速规划,同时从与世界的交互中学习条件。我们提出了一个简单的方法来学习新的抽象技能,使用成功的轨迹源于完成课程的目标。然后,学习到的技能被提炼,以利用其他抽象技能并增强后续规划。我们表明,这两个条件和抽象的技能可以同时学习,而规划,即使在随机域。我们的方法在复杂性不断增加的实验中得到了验证,最多有2^100个状态,显示出优于经典非分层规划器或强化学习方法的规划。现实世界的问题的适用性证明在机器人机械手的模拟到真实的传输实验。
2019-06-18 cs.AI cs.LG cs.RO
O3D: Offline Data-driven Discovery and Distillation for Sequential Decision-Making with Large Language Models
JPMorgan AI Research(摩根大通人工智能研究院)
针对LLM少样本示例不足与上下文长度受限的问题,提出离线框架O3D,利用大规模离线交互数据自动发现技能并蒸馏跨任务知识,无需微调即可提升LLM在ALFWorld和WebShop等序贯决策任务中的表现。
2024-02-26 cs.AI cs.CL
STAP: Sequencing Task-Agnostic Policies
Stanford University(斯坦福大学)
STAP提出一种可扩展框架,通过优化技能序列的Q值乘积来协调几何依赖,解决长时域任务,减少短视行为,并在仿真和真实机器人上验证。
2023-05-31 cs.AI cs.RO
Accelerating Diffusion Planners in Offline RL via Reward-Aware Consistency Trajectory Distillation
Carnegie Mellon University(卡内基梅隆大学)
本文提出了一种奖励感知一致性轨迹蒸馏方法,通过解耦训练和无噪声奖励信号,在离线强化学习中实现高效扩散规划器,提升性能并加快推理速度。
2026-02-06 cs.AI cs.LG
EvoDriveVLA: Evolving Driving VLA Models via Collaborative Perception-Planning Distillation
State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University(多媒体信息处理国家重点实验室,计算机学院,北京大学);XPeng Motors(小鹏汽车)
本文提出EvoDriveVLA框架,结合自我锚定感知约束和未来引导轨迹优化,解决自动驾驶中感知退化和长期规划不稳定问题,实现nuScenes和NAVSIM的SOTA性能。
2026-05-11 cs.AI cs.CV
CoDi: Conversational Distillation for Grounded Question Answering
Reality Labs at Meta(元宇宙实验室(Meta旗下));FAIR at Meta(Meta人工智能研究院)
提出对话蒸馏框架CoDi,为约10亿参数的小语言模型合成大规模对话数据,在接地问答任务上达到与人工数据相当的性能,并超越更大规模指令微调模型。
2024-08-20 cs.AI cs.CL
Teachable Reinforcement Learning via Advice Distillation
UC Berkeley(加州大学伯克利分校);MIT(麻省理工学院)
训练自动化代理在交互式环境中完成复杂任务是具有挑战性的:强化学习需要仔细手工设计奖励函数,模仿学习需要专门的基础设施和访问人类专家,从中间形式的监督(如二元偏好)中学习是耗时的,并且从每次人类干预中提取的信息很少。我们能否通过构建从丰富的交互式反馈中学习的智能体来克服这些挑战?我们提出了一个新的监督模式,互动学习的基础上“可教”的决策系统,从外部教师提供的结构化建议。我们首先正式一类人在循环决策问题,其中多种形式的教师提供的建议是提供给学习者。然后,我们描述了一个简单的学习算法,这些问题,首先学习解释的意见,然后从意见,即使在没有人的监督下完成任务。在解谜,导航和运动领域,我们表明,从建议中学习的代理可以获得新的技能,与标准的强化学习算法相比,人工监督明显减少,而且往往少于模仿学习。
2023-02-18 cs.AI cs.LG
Latent Skill Planning for Exploration and Transfer
University of Toronto(多伦多大学);Vector Institute(向量研究所);Google Brain(谷歌大脑);Nvidia(英伟达)
为了快速解决复杂环境中的新任务,智能代理需要建立可重用的知识。例如,学习世界模型捕获关于应用于新任务的环境的知识。类似地,技能捕捉可以应用于新任务的一般行为。在本文中,我们研究如何将这两种方法集成到一个单一的强化学习代理。具体来说,我们利用部分摊销的思想在测试时快速适应。为此,行动是由一个随着时间的推移而学习的政策产生的,而它所依赖的技能是使用在线规划来选择的。我们展示了我们的设计决策在一套具有挑战性的运动任务的好处,并证明了提高样本效率在单一的任务,以及在从一个任务转移到另一个,相比有竞争力的基线。视频请访问:https://sites.google.com/view/latent-skill-planning/
2021-05-02 cs.AI cs.LG cs.RO
Plan Your Target and Learn Your Skills: Transferable State-Only Imitation Learning via Decoupled Policy Optimization
Shanghai Jiao Tong University(上海交通大学);Huawei Noah’s Ark Lab(华为诺亚方舟实验室);Tianjin University(天津大学)
最近的进展,只有状态的模仿学习扩展的适用范围模仿学习,以现实世界的设置,减轻了需要观察专家的行动。然而,现有的解决方案只学习从数据中提取状态到动作的映射策略,而不考虑专家如何规划目标。这妨碍了利用示威的能力,限制了政策的灵活性。在本文中,我们介绍了解耦策略优化(DePO),它明确地将策略作为一个高层次的状态规划器和逆动力学模型。通过嵌入式解耦策略梯度和生成式对抗训练,DePO可以将知识转移到不同的动作空间或状态转换动态,并可以将规划器推广到非演示状态区域。我们深入的实验分析表明,DePO学习广义目标状态规划器的有效性,同时实现最佳的模仿性能。我们展示了吸引人的使用DePO通过预训练在不同的任务之间转移,以及具有各种技能的共同训练代理的潜力。
2022-09-30 cs.AI cs.LG
Towards Scalable & Efficient Interaction-Aware Planning in Autonomous Vehicles using Knowledge Distillation
Honda Research Institute(本田研究所)
本文提出利用知识蒸馏训练更小的预测网络,在保持交互感知轨迹规划精度的同时显著加速自动驾驶汽车的约束优化求解过程。
2024-04-02 cs.AI cs.LG cs.RO
IntentCUA: Learning Intent-level Representations for Skill Abstraction and Multi-Agent Planning in Computer-Use Agents
Sookmyung Women's University(首尔女子大学)
IntentCUA通过意图级表示和多智能体协作提升桌面自动化效率与稳定性。
2026-02-27 cs.AI cs.HC cs.RO
ViReSkill: Vision-Grounded Replanning with Skill Memory for LLM-Based Planning in Lifelong Robot Learning
Panasonic Connect Co., Ltd.(松下电器(株式会社));Panasonic R&D Center(松下研发中心);National University of Singapore(新加坡国立大学)
针对 LLM/VLM 机器人规划缺乏物理场景锚定且输出不稳定的问题,本文提出 ViReSkill,通过视觉条件重规划和可复用技能记忆实现终身学习,并在仿真与实体机器人上验证了更高成功率。
2025-09-29 cs.AI cs.LG cs.RO