**APPL:利用结构先验引导机器人策略学习与组合**

_Agent Priors-guided Policy Learning_

> 该论文提出APPL框架,旨在解决机器人少样本学习中技能组合与泛化的信息丢失问题。通过引入“结构先验”作为技能策略与高层组合之间的接口,APPL在训练阶段塑造策略泛化边界,并在运行时指导新任务中的技能选择与组合。实验表明,该方法在MetaWorld和ManiSkill任务中显著提升了分布外技能泛化能力,并实现了未见过的技能组合。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-02 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.35690)