蒙特卡羅政策評估

深度分析

單一噪聲向量提升生成式機器人策略：黃金票證技術解析

研究指出，固定特定初始噪聲向量（黃金票證）可提升預訓練生成式機器人策略的任務表現。作者透過蒙特卡洛政策評估搜尋最佳噪聲，無需重新訓練模型，並在多項基準測試中顯著提升成功率，最高達 58%。此方法亦在多任務設定中形成自然的帕累托前緣，兼顧速度與成功率等目標。