跳到正文
热点事件持续更新

抓取预训练提升灵巧操作分层模仿学习

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

研究团队提出一种分层模仿学习框架:高层预测手部子目标,低层为以目标为条件的控制器。他们用大规模灵巧抓取标注构建了 355k 条轨迹的抓取预训练数据集,先预训练低层控制器,再在下游任务示教上微调,用于关节工具使用中的功能灵巧性。 团队同时推出仿真基准 DexCraft,包含六项需要手指协同运动的关节工具使用任务。作者称,在仿真和实机实验中,该方法优于端到端扩散策略基线和从零训练的分层策略;实机全任务成功率比 DP3 高 33.3 个百分点。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月28日
  1. arXiv cs.RO
    从抓取到灵巧操作:面向灵巧操作的大规模抓取预训练

    研究团队提出用大规模灵巧抓取数据预训练分层模仿学习框架的低层控制器,再在下游任务示教上微调,以支持关节工具使用中的功能灵巧性。他们从大规模灵巧抓取标注构建了 355k 条轨迹的抓取预训练数据集,并推出包含六项关节工具使用任务的仿真基准 DexCraft。在仿真和实机实验中,该方法优于端到端扩散策略基线和从零训练的分层策略,实机全任务成功率比 DP3 高 33.3 个百分点。

本事件热度走势

可比范围当前
9
可比范围峰值
1010月28日 13:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。