跳到正文
arXiv · 机器人与计算机视觉· Keyhan Rayati, AliReza Beigy, Anoosheh Saadati, Pourya Shahverdi, Mehdi Tale Masouleh, Ahmad Kalhor, Wing-Yue Geoffrey Louie·· 2026-10-20AI 评分48

Data-Efficient Learning from Demonstration for Humanoid Robots via Feature-Level Perception and Prompt-Based Object Detection 提出基于特征层感知与提示词目标检测的数据高效模仿学习框架

Data-Efficient Learning from Demonstration for Humanoid Robots via Feature-Level Perception and Prompt-Based Object Detection

AI 导读

该研究针对人形机器人模仿学习需大量数据的问题,提出利用 Kinect 关节估计、提示词目标检测及深度信息提取特征的框架。在 NAO 机器人仿真测试中,抓取放置任务仅需 16 次演示即达 78% 成功率(100 次增至 86%),推杆任务用 8 次演示达成 71% 成功率。该工作已在物理硬件上完成演示验证,论文发表于 IEEE ISAIA 2026。

来源:arXiv · 机器人与计算机视觉 · arxiv.org