arXiv · 机器人与计算机视觉· Licheng Zhong, Gim Hee Lee·· 12 小时前精选AI 评分82
Progress Predicts Policy:一种基于语言条件标量场的混合机器人策略方法
Progress Predicts Policy
AI 导读
论文介绍 Progress Predicts Policy (PPP),该方法通过学习语言条件的标量场并利用其微分诱导命令,结合共享世界模型读取动作梯度以生成连续或离散动作控制。实验表明,在无需额外标注的情况下,仅拟合演示进度值即可实现优于行为克隆的策略性能,适用于仿真与真实机器人操作任务。
推荐理由
该工作提出通过语言条件标量场学习混合策略,无需独立动作头或迭代搜索,在仿真与真实机器人操作中优于行为克隆。
来源:arXiv · 机器人与计算机视觉 · arxiv.org