我们介绍了通过预训练（ ADEPT ）加速灵活性，这是一种大规模强化学习（ RL ）框架，用于在高自由度（ DoF ）机器人实施例中学习模拟到真实可转移的灵活性，可以直接从原始视觉触觉感知中解决长视野任务。ADEPT对通用对象重新配置任务的灵巧策略进行预训练，然后对下游策略进行后期训练

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2608.19182v1)获取最准确的信息。

---
🔗 **原文链接**: [ADEPT: Accelerating Dexterity via Pre-Training and Post-Trai](https://arxiv.org/abs/2608.19182v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Jayjun Lee, Jessica Yin, Asif Rana, Nicholas Blauch, Sam Mady, Mohak Bhardwaj, Nima Fazeli, Nathan Ratliff, Karl Van Wyk, Ankur Handa

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-08-20 14:01