arXiv · 机器人与计算机视觉· Siyuan Zheng, Zhong Cao, Henry X. Liu·· 4 小时前精选AI 评分82
Learning to Move from and for Manipulation Policies: Spatializing Latent Action Representations for Goal-Pose-Free Mobile Manipulation
Learning to Move from and for Manipulation Policies: Spatializing Latent Action Representations for Goal-Pose-Free Mobile Manipulation
AI 导读
该论文提出 M4M 框架,旨在解决机器人导航与操作联合训练成本高且受限于预设目标位姿的问题。方法利用预训练操作策略的隐式表示作为密集监督信号,结合少量执行结果学习空间条件嵌入,从而在无需在每个位置 rollout 策略的情况下估计未访问位姿的操作成功率,并集成到导航策略训练中以实现统一的移动与操作决策。
推荐理由
该工作提出 M4M 框架,利用预训练策略的隐式表示学习空间条件嵌入,在无需预设目标位姿的情况下实现移动与操作的统一决策。
来源:arXiv · 机器人与计算机视觉 · arxiv.org