学习速度先验为机器人示教重定时

Seungyong Moon等作者提出从大规模示教数据中学习速度先验，为机器人示教重定时。给定任务指令、运动路径和沿途图像，模型预测路径上的执行速度分布，并用选定分位数作为统一时钟为每条示教重定时。作者称，该速度先验在机器人遥操作数据和由人手而非机械臂移动夹爪的手持示教上拟合。 执行时，策略与实时最优控制层配合，在机器人约束下按预测节奏跟踪预测动作块。作者报告，在120个RoboLab任务上，用学习时钟微调的策略比用原始示教时序并统一加速到相同速度的策略成功率更高、抖动最多减半；在真实机器人上，叠杯耗时3.50秒，比默认策略的6.02秒快1.72倍，成功率相当，30次试验成功29次。

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。