EgoForesight：用带噪自我中心动作数据扩展策略学习
热点事件持续更新
EgoForesight：用带噪自我中心动作数据扩展策略学习
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
Chubin Zhang 等作者发布论文，提出视觉-语言-动作框架 EgoForesight，让机器人示教轨迹与带噪自我中心视频一起参与策略学习。其做法是通过可靠性条件加噪与可靠性加权回归降低不可靠动作标签的影响，并用特权未来表征蒸馏从演示结果中补充监督。 作者称，在 30,000 小时预训练数据下，该方法将真实世界开环动作 MSE 降低 20.5%，并将 RoboCasa 少样本成功率提高 8.1 个百分点；后训练后，在仿真和真实世界的灵巧操作中也取得较强的绝对性能。
AI 根据报道生成 · 3 小时前更新
最新进展10月26日 12:00
EgoForesight：用带噪自我中心动作数据扩展策略学习报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.ROEgoForesight：用带噪自我中心动作数据扩展策略学习
EgoForesight 是一个视觉-语言-动作框架，联合利用机器人示教轨迹与带噪自我中心视频进行策略学习，通过可靠性条件加噪与可靠性加权回归降低不可靠动作标签的影响，并用特权未来表征蒸馏从演示结果中补充监督。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月26日 12:00
- 近 24 小时变化
- –
02.557.510
12:0013:0014:00
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。