热点事件历史事件

研究：机器人策略代码可迭代学习并跨任务迁移

1 篇报道1 个报道来源8 天前更新

先了解这件事

AI 综述

So Kuroki、Kento Kawaharazuka 与 Yujin Tang 发表研究，把完整的闭环机器人策略实现当作可复用的执行经验：由编码智能体根据少量成功演示生成策略代码，再用仿真反馈迭代改进。在 RoboCasa 的四个源任务上，成功率从初始生成代码的 28.3% 提升到经验证集筛选代码的 64.2%。在 RoboCasa 另外九个目标任务上，无参考时成功率为 45.2%，使用源任务初始生成代码时为 41.5%，使用经验证集筛选的代码时为 57.0%。研究称还在 Unitree G1 实机上验证了该学习方式。

AI 根据报道生成 · 8 天前更新

最新进展11月2日 13:00

研究：闭环机器人软件的学习与迁移

报道时间线

沿着报道，了解事件的不同侧面。

11月2日

13:00
arXiv cs.RO
研究：闭环机器人软件的学习与迁移
研究把完整闭环机器人策略实现当作可复用的执行经验，由编码智能体根据少量成功演示生成策略代码，并用仿真反馈迭代改进。在 RoboCasa 的四个源任务上，迭代优化把成功率从初始生成代码的 28.3% 提升到验证集筛选代码的 64.2%，并在 Unitree G1 实机上验证了该学习方式。

本事件热度走势

可比范围当前: 3
可比范围峰值: 411月4日 01:00
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。