ChronoSRL：面向自监督强化学习的时间几何

研究人员提出 ChronoSRL，通过为 Critic 嵌入赋予显式时间几何，将表征距离对齐为到达目标所需时间。该方法进一步预测到达时间分布及目标附近停留时间，在 7 个标准运动与导航基准上以更小网络超越现有基线。在四足机器人 Sim-to-Real 任务中，它是唯一能稳定跟踪速度、到达目标并爬上最高箱子的自监督强化学习方法。