PRIME从不精确示范中学习精确进度估计

Huanqian Wang 等提出进度估计器 PRIME，用于机器人操作强化学习中生成稠密奖励信号，从不精确的示范数据中学习精确的任务进度估计。PRIME 在观测状态上构建加权图，按空间邻近性和视觉一致性跨轨迹连接状态，边权重编码空间距离作为转移代价，用最短路搜索近似到达成功的测地距离，其变化可区分前进、停滞与倒退，无需假设进度随时间单调。 论文称，在仿真与真实世界的精密操作任务实验中，PRIME 在多种任务上表现一致有效，并对不同次优程度的数据具有稳健性；在充电器插入任务上，其策略成功率相比 SFT 基线最高提升 5 倍，且优势在更高精度场景中更明显。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。