北大 DexPolicy：探索噪声退火让灵巧手操作成功率升至 85%

北京大学发布 DexPolicy，把探索噪声尺度设为随训练步数从宽到窄退火的函数，真机 360 次试验中 FPO 将灵巧手操作平均成功率从 25.0% 提至 85.0%。在 ViViDex 轨迹引导设定下，PPO、GRPO、FPO 在五个 YCB 物体上的确定性 Target 成功率分别从 32.0%、14.1%、49.4% 升至 35.7%、45.4%、68.1%。代码与项目页已开源。