论文记录 · 证据边界公开

REFINE-DP: Diffusion Policy Fine-tuning for Humanoid Loco-manipulation via Reinforcement Learning

IEEE Robotics and Automation Letters, accepted July 2026; arXiv:2603.13707 · 2026-03-14 · Loco-manipulation

论文元数据

作者
Zhaoyuan Gu、Yipu Chen、Zimeng Chai、Alfred Cueva、Thong Nguyen、Yifan Wu、Huishu Xue、Minji Kim、Isaac Legene、Fukang Liu、KyoungMok Kim、Ayan Barula、Yongxin Chen、Ye Zhao
机构
Georgia Institute of Technology
发布日期精度
日
研究方向
Loco-manipulation
机器人
Booster T1 29-DoF
DOI
10.48550/arxiv.2603.13707
arXiv
2603.13707
引用元数据
0
记录状态
included
质量检查
无自动质量红旗

算力与训练档案 置信 high · 模型 glm-5.3 · 更新 2026-09-01T14:13:04Z

本体标签: Booster T1 29-DoF

技术标签: Loco-manipulation, 人形loco-manipulation, 扩散策略微调, 强化学习, 全身控制, 长时程操作, sim-to-real

训练算力(显卡)未披露
训练时长未披露
部署推理硬件RTX 4060 onboard
显存/内存/CPU 占用未披露
运行效率(Hz)未披露

证据原文: