policy-transfer

本文提出统一框架，将代理专家与代理参考策略之间的对数概率比视为KL正则化策略优化的隐式奖励，从而实现跨模型规模和训练阶段的任意到任意知识迁移，并系统分析了相对策略差异在何种条件下能有效指导on-policy蒸馏。

Skill2Real 提出了一种基于 Proposer-Verifier-Governor 循环的智能体技能学习框架，通过共享 API 在仿真中学习可执行的机器人技能，并在无需微调的情况下将其零样本迁移到真实世界操作任务中，在 LIBERO 基准和真实机器人任务上均取得了较高的成功率。