arXiv · cs.AI· Anukriti Singh·· 11 小时前AI 评分47
ARC：人类引导的机器人策略自适应残差修正方法
When, Where, and What to Correct: Human-Guided Adaptive Residual Correction for Robot Policies
来源与原文
arXiv · cs.AI
作者：Anukriti Singh
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.37547v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 Adaptive Residual Correction（ARC），一种轻量级后训练模块，用 RL 在冻结策略之上学习残差修正，并以稀疏人类修正决定"何时"激活与"何处"探索。在真实机器人三项精细操作任务上，ARC 将平均任务成功率从 33.3% 提升至 75.0%；人类修正将七关节残差空间约束为任务相关的 2-3 维子空间，保留 96.0-97.7% 的修正幅度平方值。
来源：arXiv · cs.AI · arxiv.org