Teacher-Student Policy Distillation for Robot Control

本文提出了一种面向机器人控制的教师学生策略蒸馏方法。该方法通过大型教师策略（如集成策略、大规模预训练策略）生成示范数据，训练小型学生策略在保持性能的同时大幅减少参数量和推理延迟。文章分析了不同蒸馏目标（动作匹配、价值匹配、特征匹配）对学生策略性能的影响，提出了结合在线交互和离线蒸馏的混合方法，并在多种机器人操作和导航任务上验证了蒸馏策略的性能保持和部署效率。适用场景包括边缘机器人部署、实时控制等领域。来源机构包括Google Robotics、OpenAI、Stanford等。