EPCC 结合慢演示与快试玩实现快于示教执行

Seunghoon Cho 等作者提出 Expert-Play Contouring Control（EPCC）方法，目标是让机器人操作执行速度快于专家演示。其做法是用慢速专家演示训练隐轨迹生成器，把预测重参数化为与时间无关的任务进展轮廓；再用快速非专家试玩数据训练预测快速动作结果的世界模型，部署时规划器沿该轮廓优化动作并惩罚偏离。 作者称，在三个视觉运动操作任务上平均，EPCC 的吞吐量达到模仿学习（IL）基线的 2.0 倍；在交互敏感物体动力学任务上，达到最强加速基线的 2.2 倍。

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。