arXiv cs.RO· Shogo Iwakata, Tomohiro Motoda, Ryosuke Yamada, Koshi Makihara, Ryoichi Nakajo, Keitaro Tanaka, Masaki Murooka, Roman Mykhailyshyn, Hirokatsu Kataoka, Shigeo Morishima, Yukiyasu Domae·· 15 小时前AI 评分60
通过几何先验预训练提升操作模仿学习效率
Improving Imitation Learning Efficiency for Manipulation through Geometric Prior Pretraining
AI 导读
研究构建仅含平面、物体和方块手的几何视觉预训练数据集，轨迹自动生成，场景无纹理与背景，让策略先接触手与物体的几何关系。作者用 ACT 在三个仿真机器人各五项操作任务及三个真实机器人任务上评估，多数组合中从几何先验微调在训练早期成功率高于从零训练，且只需少量任务示教。结果表明高度简化的几何场景也能提供跨机器人、迁移到真实任务的初始化。
来源：arXiv cs.RO · arxiv.org