MiDAS让机器人用最少数据适应新任务

Shreyas Kowshik等提出MiDAS离线到在线强化学习方案，使预训练机器人策略仅凭一次示范并结合自主在线交互适应新任务；在LIBERO和RoboCasa任务中，MiDAS提升了从单次示范初始化策略的表现，在双臂YAM平台上经过约六小时在线交互后也提高了任务成功率。 MiDAS结合少量示范行为克隆、基于价值的残差策略学习和冻结的预训练视觉语言动作（VLA）表示。作者将预训练VLA表示、残差策略学习和数据平衡列为最小数据适应的关键设计。

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。