arXiv · 机器人与计算机视觉· Ying Qian, Jianshu Hu, Han Fang, Shuguang Li, Yutong Ban·· 23 天前AI 评分72
OneDemo:基于单一演示的统一策略学习与数据生成方法
OneDemo: Unified Policy Learning and Data Generation from a Single Demonstration
AI 导读
该论文提出 OneDemo 强化学习框架,将演示编辑建模为结构化问题,使智能体学会从稀疏奖励中切换对象中心轨迹段并进行几何适配。该方法在 Meta-World 的 15 个任务上平均仅需 53.7k 环境交互即达 92.7% 成功率;在 DexMimicGen 的 9 个任务上生成演示的平均成功率为 98.4%,基于此数据训练的 BC-RNN 策略在同等规模数据集下平均成功率达 99.6%。
来源:arXiv · 机器人与计算机视觉 · arxiv.org