论文提出以数据多样性提升机器人零样本泛化

Rafael Felix 等人在 arXiv 论文中提出，提升机器人零样本泛化应靠扩大数据来源多样性，而非让同一采集者增加样本。论文将零样本泛化形式化为对部署分布的覆盖，称同一采集者增加样本只能缓慢缩小未见区域，每新增一位贡献者则能扩展覆盖。 为此，论文提出融合多模态对齐、生成式增强与噪声标签学习的机器人动作共享潜空间，并建议开发者围绕标准机器人 Origmi 构建应用以提供多样化数据。论文最后给出关联实机零样本成功率与数据多样性的可检验假设及评测协议，尚未报告实测结果。

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。