arXiv · 机器人与计算机视觉· Botao He, Yiming Dou, Yiannis Aloimonos, Jitendra Malik, Akash Sharma, Ruoshi Liu·· 2026-10-16精选AI 评分84
PlayPolicy:基于监督游戏的灵巧性学习框架
PlayPolicy: Dexterity from Supervised Play
AI 导读
论文提出 DSP(Dexterity from supervised play)框架,机器人通过行为克隆从几分钟的人类游戏中学习策略,进而自主执行以收集小时级交互数据用于训练世界模型;推理阶段利用该策略引导模型预测控制并蒸馏闭环策略。
推荐理由
提出 DSP 框架,通过监督游戏自主收集数据训练世界模型与策略,在少样本下实现灵巧操作。
来源:arXiv · 机器人与计算机视觉 · arxiv.org