Efficient Test-Time Adaptation For Robot Policies
说明面向机器人策略的高效测试时自适应方法（TEMPO）
简介该论文针对强化学习训练的机器人运动策略在部署时遇到环境变化（如崎岖地形、负载变化、传感器退化）性能下降的问题，研究在执行过程中无需奖励、以自监督方式在线调整策略的测试时自适应方法。作者提出TEMPO，结合熵正则化与基于优先级经验回放思想的记忆机制，以稳定在严重偏移下的更新。在MuJoCo Playground中的Go1、Go2、G1上及一台实体Unitree Go2上的实验显示，该方法带来稳定提升，单设备场景下最高提升约80%。