热点事件持续更新
DexPolicy：调度式探索提升灵巧操作成功率
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月2日，HuggingFace Daily Papers 收录社区热门论文 DexPolicy，提出面向轨迹引导灵巧操作的调度式探索策略。该方法将强化学习的探索尺度设为训练步数的显式函数，从宽到窄退火，并在 ViViDex 轨迹引导的灵巧操作任务中验证效果。报道称，在五个 YCB 物体、三个随机种子上，FPO 的平均确定性 Target 成功率从 49.4% 升至 68.1%，GRPO 从 14.1% 升至 45.4%，PPO 从 32.0% 升至 35.7%。目前该工作以论文形式在社区平台获得关注，尚无后续进展报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月2日 11:36
DexPolicy 论文登上 HuggingFace Daily Papers，报告调度式探索在多个算法上提升成功率。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- HuggingFace Daily Papers（社区热门论文）DexPolicy：面向轨迹引导灵巧操作的调度式探索策略
DexPolicy 将强化学习的探索尺度设为训练步数的显式函数，从宽到窄退火，在 ViViDex 轨迹引导的灵巧操作任务中提升成功率。在五个 YCB 物体、三个随机种子上，FPO 的平均确定性 Target 成功率从 49.4% 升至 68.1%，GRPO 从 14.1% 升至 45.4%，PPO 从 32.0% 升至 35.7%。
本事件热度走势
当前热度 9·可比范围峰值 10（10月2日 12:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。