Universal Goal-Conditioned Policies for Robot Manipulation

本文提出了一种面向机器人操作的通用目标条件化策略学习方法。该方法通过大规模多目标数据训练，学习能够处理任意目标状态的通用操作策略，结合后见之明经验回放和目标重标记技术提升样本效率。文章还提出了目标条件化策略的零样本泛化评估协议，在未见目标上验证了策略的泛化能力，并分析了训练目标分布对泛化性能的影响。适用场景包括通用操作机器人、服务机器人等领域。来源机构包括Google Research、Stanford、UC Berkeley等。