Policy Distillation and Compression for Robotics: A Review

本文系统综述了机器人强化学习中策略蒸馏与压缩（Policy Distillation and Compression）的最新进展。策略蒸馏通过将大型教师策略的知识迁移到小型学生策略，实现策略的轻量化和高效部署；策略压缩通过量化、剪枝、低秩分解等技术减少策略模型的参数量和计算量。文章分析了不同蒸馏方法（行为克隆蒸馏、价值函数蒸馏、特征蒸馏）和压缩技术（量化、剪枝、知识蒸馏）在机器人控制中的应用，以及蒸馏后策略的性能保持和泛化能力。适用场景包括边缘部署、实时控制、资源受限机器人等领域。来源机构包括Google DeepMind、UC Berkeley、MIT等顶尖研究机构。