AISpot

搜尋

找到 2 筆;也可以試試 語意搜尋

機器之心AI 評分62

浙大聯合 TeleAI 提出 GR-BC,用圖搜尋給機器人動作重加權

浙江大學沈春華團隊聯合中國電信 TeleAI 等提出 GR-BC(圖重加權行為克隆):把同一任務的多次不完美示範連成一張圖,從成功終點反向搜尋,算出各狀態到成功還剩多少步,並據此給動作塊加權,之後再訓練 VLA 策略;該工作已被 CoRL 2026 接收。在四孔零件裝配、顯示卡插裝、雙螺釘擰緊與記憶體模組插裝四項真機任務上,以 X-VLA 為骨幹的平均成功率約 91%,而類 DAgger 等權聚合基線為 64%。方法不改模型架構,權重直接乘在原有監督損失上;

機器之心● 精選AI 評分80

董豪團隊提出 HIL-UMI:人類示範時即可採集機器人後訓練資料

董豪團隊聯合啟元機器人、北京大學、西安交通大學提出 HIL-UMI:人手持夾爪示範時,模型同步預測動作並標出與人類操作的分歧,從而在不執行機械臂的情況下采集後訓練所需資料。該方法以 π0.5 為基礎模型,在 Franka 機械臂上測試整理桌面、折毛巾、疊方塊、蓋章四項任務,三輪更新後平均任務進度分數從 62.3 升至 94.8,同等資料量下常規 SFT 僅從 44.3 升至 58.0。整理桌面任務中其採集效率為 HG-DAgger 的 5.63 倍,最終得分 96 比 91。