arXiv · 机器人与计算机视觉· Leon Kim, Dinesh Jayaraman, Michael Posa·· 3 天前AI 评分48
预训练视觉表征在富接触插入任务策略学习中的效用研究
On the Utility of Pre-Trained Visual Representations for Policy Learning of Contact-Rich Insertion Tasks
AI 导读
针对富接触操作(如插入)中视觉模仿学习数据效率低且易受无关视觉干扰的问题,研究对比了主流视觉基础模型与显式以接触为中心的表征。实验通过遮挡和物理容差扰动验证发现,最佳表征存在显著任务依赖性,但空间锚定及接触中心信息在仿真与现实实验中均展现出独特价值。该工作强调了在真实视觉复杂度和传感器噪声下可靠估计此类线索的难度,并呼吁进一步研究感知与策略学习的融合。
来源:arXiv · 机器人与计算机视觉 · arxiv.org