arXiv · 机器人与计算机视觉· Zongtan Li, Tianming Liu, Ye Zhao·· 16 天前AI 评分48
控制器限时内重定时演示实现更快模仿学习
Faster Imitation by Re-timing Demonstrations Within the Controller Limit
AI 导读
该方法通过贪心合并指令确保每一步位移在低层控制器能力范围内,解决了传统重定时导致成功率崩溃的机械成因。实验显示,在四个 Robomimic 仿真任务中,合并上限为二的策略成功率最高,Square 任务较冻结策略提升 14 个百分点; humanoid 全身追踪器在 2.3 倍速下成功率为 71%,优于均匀重定时的 51%。该研究已提交至 ICRA 2027,代码与数据暂未开放。
来源:arXiv · 机器人与计算机视觉 · arxiv.org