Hierarchical Policy Learning for Long-Horizon Robot Manipulation

本文提出了一种面向长时序机器人操作的层次化策略学习方法。该方法通过高层目标生成策略和低层目标条件化操作策略的组合，实现了多阶段装配、复杂整理等长时序任务的高效学习。文章分析了不同层次结构（目标空间层次、技能空间层次、动作空间层次）的优劣，提出了结合规划和学习的层次策略训练方法，并在仿真和真实机器人上验证了层次策略在长时序任务中的样本效率、泛化能力和任务成功率。来源机构包括Google Research、MIT、Oxford等。