arXiv · 机器人与计算机视觉· Yuxiang Lu, Yantong Liu, Jinghua Hou, Xueli Sun, Ruihua Han, Zhe Liu, Hengshuang Zhao·· 2026-10-20AI 评分72
TILDE:基于具身基础模型的循环蒸馏方法
TILDE: Teacher-in-the-Loop Distillation from Embodied Foundation Models
AI 导读
针对具身基础模型(EFMs)需要大量机器人数据预训练的问题,本文提出 TILDE 框架,结合学生诱导状态的在线蒸馏与教师执行恢复轨迹的学习。研究进一步开发了 AutoDAgger 自动化数据聚合管道,利用机器人奖励模型监控任务进度并触发教师干预,从而在无人类监控下收集恢复经验,相比人工闭环方法加速超两倍。该方法在三个真实世界任务上使性能提升最高达 4.1 倍,并支持跨架构蒸馏。
来源:arXiv · 机器人与计算机视觉 · arxiv.org