arXiv · Robotics· Yiqi Tang, Diyuan Shi, Runze Li, Donglin Wang·· 7 小时前AI 评分42
PreferenceFlow：通过人类干预引导冻结流匹配机器人策略
PreferenceFlow: Test-Time Guidance of Flow-Matching Robot Policies from Human Interventions
AI 导读
PreferenceFlow 在测试时通过人类干预改进预训练流匹配策略，无需环境奖励或更新基线策略。人类干预片段与机器人片段配对训练偏好模型，推理时用 QGF 采样更新，以偏好梯度替代价值梯度，并辅以梯度惩罚和零梯度损失。在 Franka 机器人四项真实精密插入任务中，成功率从基线 69% 提升至 90.5%。
来源：arXiv · Robotics · arxiv.org