arXiv · 机器人与计算机视觉· Toru Lin, Shuying Deng, Zhao-Heng Yin, Pieter Abbeel, Jitendra Malik·· 16 天前AI 评分70
如何持刀削皮:对齐细粒度操作与人类偏好的学习框架
How to Peel with a Knife: Aligning Fine-Grained Manipulation with Human Preference
AI 导读
针对食物制备等具有连续主观质量标准的操作难题,论文提出基于持刀削皮的两阶段学习框架。首先通过力感知数据收集与模仿学习获得鲁棒初始策略;其次利用结合定量指标与定性反馈的学习奖励模型进行偏好微调以对齐人类评价。实验显示,仅用 50~200 条轨迹即在黄瓜、苹果和土豆上实现 100% 同产成功率,跨物体零样本泛化至西葫芦、梨和白萝卜等类别。
来源:arXiv · 机器人与计算机视觉 · arxiv.org