跳到正文
arXiv · 机器人与计算机视觉· Anukriti Singh, Maxime Caniot, Pratap Tokekar, Firas Abi-Farraj·· 22 天前AI 评分70

何时何地及如何修正:基于人类引导的自适应残差修正用于机器人策略

When, Where, and What to Correct: Human-Guided Adaptive Residual Correction for Robot Policies

AI 导读

针对模仿策略在局部区域执行失败的问题,本文提出 Adaptive Residual Correction (ARC) 模块,利用强化学习在冻结策略上学习残差修正,并通过稀疏人工修正确定激活时机、探索空间与最终执行内容。实验显示该方法将三个精细操作任务的平均成功率从 33.3% 提升至 75.0%,且人工修正能定义保留 96.0-97.7% 修正幅度的低维子空间。

来源:arXiv · 机器人与计算机视觉 · arxiv.org