灵巧机器人模仿学习策略接受大规模实机评测

研究团队使用五指机器人手，对7类策略家族的281种模仿学习策略进行了约1700次真实机器人试验，评估RJ45连接器抓取与插入任务，发现部分数据表示和动作预测设计能显著提高成功率，但离线指标难以跨策略家族预测实际表现。 研究显示，对点云策略进行感兴趣区域裁剪、采用机器人基座坐标系表示，以及在点云编码器内归一化，均可使成功率提高70至100个百分点；对视觉语言动作策略，采用绝对动作预测而非相对动作预测，可使插入成功率最高提高70个百分点。 在评估的67项离线指标中，只有5项衡量预测动作平滑度和直接性的指标与插入成功率稳定相关，相关系数为-0.70至-0.80，而且这种关系仅在同一策略家族内部成立。这意味着离线评估指标不能直接用于不同策略家族之间的性能比较。

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。