PlayPolicy：从人类玩耍数据学灵巧操作

Botao He 等作者发布 PlayPolicy 灵巧操作学习框架：机器人先通过行为克隆从数分钟人类玩耍数据中学得玩耍策略，再自主部署采集数小时交互数据训练世界模型，推理时由该策略为模型预测控制提出候选动作序列。 作者称，在仿真和真实环境中，该方法成功率比事后行为克隆（hindsight behavior cloning）高 69.6%，并以少 490 倍的交互数据达到与强化学习相当的成功率，且无需任何任务专用演示或仿真到现实迁移。上述效果均为作者在论文中的说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。