**DexPolicy:通过调度探索提升灵巧操作成功率** _DexPolicy: Scheduled Exploration for Trajectory-
原帖
**DexPolicy:通过调度探索提升灵巧操作成功率**
_DexPolicy: Scheduled Exploration for Trajectory-Guided Dexterous Manipulation_
> 针对强化学习中探索噪声干扰精确控制的问题,DexPolicy 提出将探索尺度作为训练步数的显式函数进行退火。在 ViViDex 轨迹引导设置下,该方法在多种策略优化算法(PPO, GRPO, FPO)及真实机器人实验中显著提升了目标成功率,验证了显式控制探索规模的有效性。
**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/2610.00360)