跳到正文
热点事件持续更新

PreferenceFlow：用人类干预引导冻结流匹配机器人策略

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

2026-09-30 报道，PreferenceFlow 在测试时通过人类干预改进预训练流匹配机器人策略，无需环境奖励或更新基线策略。其将人类干预片段与机器人片段配对训练偏好模型，推理时采用 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%。

AI 根据报道生成 · 2 小时前更新

最新进展9月30日 12:00
2026-09-30 arXiv · Robotics 报道 PreferenceFlow 方法，在四项 Franka 精密插入任务中将成功率从 69% 提升至 90.5%。

报道时间线

沿着报道，了解事件的不同侧面。

9月30日
  1. arXiv · Robotics
    PreferenceFlow：通过人类干预引导冻结流匹配机器人策略

    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%。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。