跳到正文
arXiv · 机器人与计算机视觉· Shogo Iwakata, Tomohiro Motoda, Ryosuke Yamada, Koshi Makihara, Ryoichi Nakajo, Keitaro Tanaka, Masaki Murooka, Roman Mykhailyshyn, Hirokatsu Kataoka, Shigeo Morishima, Yukiyasu Domae·· 10 天前AI 评分58

通过几何先验预训练提升模仿学习效率

Improving Imitation Learning Efficiency for Manipulation through Geometric Prior Pretraining

AI 导读

针对新操纵任务需重新收集演示和训练的样本效率问题,该研究构建了一个仅包含平面、物体和手的几何视觉预训练数据集,轨迹自动生成且不含纹理背景,并将手表示为立方体以适配不同机器人形态。在 ACT 框架下,该方法在三个仿真机器人五个任务及三个真实世界任务中评估显示,相比从头训练,使用少量任务演示微调时能实现更高的早期成功率,表明简化几何场景可作为跨机器人与真实任务的有用初始化。

来源:arXiv · 机器人与计算机视觉 · arxiv.org