四足机器人新技能：三阶段融合强化与模仿学习
Get the story
2026年10月9日，arXiv·Robotics（一手）报道了一项四足机器人技能教学研究。研究提出一种三阶段方法，通过多教师蒸馏结合强化学习（RL）与模仿学习（IL）目标，并用对抗任务选择聚焦表现最差的任务。该方法用8个教师策略训练出单一学生策略，可执行22项任务，涵盖行走、挖掘、跳跃，并能组合成爬行等新行为。报道称，其在运动质量和指令跟踪上优于PPO与distill-then-finetune基线，部分任务可泛化。目前未见与其他报道矛盾之处。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Robotics机器狗新技能教学：结合强化学习与模仿学习及对抗任务选择实现多样化四足技能
研究提出一种三阶段方法，用 8 个教师策略训练出可执行 22 项任务的单一学生策略，涵盖行走、挖掘、跳跃，并能组合成爬行等新行为。该方法采用多教师蒸馏，结合 RL 与 IL 目标，通过对抗任务选择聚焦表现最差的任务，在运动质量和指令跟踪上优于 PPO 与 distill-then-finetune 基线，部分任务可泛化。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.