策略对比强化学习

数据效率优

通过最优传输下的策略对比，在视觉强化学习中提取决策不变特征，超越现有表示学习方法。

Zehua, Zang · Li, Jiangmeng · Sun, Chuxiong · 王睿 · 刘立祥 · 孙富春

Neural Networks 2025

技术优势

对比更对的信号

CoCo在多个观测畸变视图上进行策略对比，而非像素对比，从而捕获不变的决策判别特征。

基准全面领先

在多样数据效率基准上的综合评估中，CoCo一致超越现有方法。

应用场景

• 机器人控制：提升机器人样本效率，减少训练所需交互次数。
• 人形机器人：在人形机器人视觉任务中加快学习速度，减少数据需求。
• 自主无人机：让无人机在有限数据下更快学会自主飞行策略。
• 具身智能：为具身智能体提供更高效的表征学习，减少数据依赖。
• 软体机器人：在软体机器人控制中降低数据需求，提升学习效率。