TIGER 把模仿策略预测的动作块转成任务空间的短时域末端执行器参考，用作稠密奖励，而不是直接执行演示策略；在稀疏奖励操作任务上，它比匹配的 RL 基线更快达到 50% 成功，并在真实机器人早期训练中显著减少安全重置。
来源文章讨论：给机器人演示任务，不等于让它把任务做好。模仿学习优化与演示者的一致性，不直接优化任务成功、变化鲁棒性和节拍时间。 强化学习可直接优化任务成功并可能发现演示外行为，但真实操作奖励稀疏：成功前几乎没有反馈，早期探索慢、掉物、撞到不该去的地方，导致人工复位。 常见修正把演示当动作先验（从模仿策略提议动作或混入回放缓冲区），但每一步仍缺少“刚才十步是…
sanctuary.ai
查看来源原文