manipulation policies | BriefGPT

关键词manipulation policies

搜索结果 - 8

CVPRUniGarmentManip：一种基于密集视觉对应的类别级服装操作统一框架
通过自我监督学习，在特定类别中学习衣物的拓扑密集（点级）视觉对应，以指导各种下游任务的操作策略，而只需进行一次或少量示范。
PDF2 months ago
在仿真环境中评估实际机器人操纵策略
机器人学中的评估与模拟环境之间的控制和视觉差异是可靠的模拟评估的关键挑战，在创建适用于常见真实机器人设置的 SIMPLER 模拟环境的基础上，我们证明了在这些环境中的政策表现与真实世界中的表现之间的强相关性，同时准确反映了真实世界的政策行为
PDF2 months ago
基于部件引导的三维强化学习用于仿真到实物的关节物体操控
通过视觉反馈操纵不可见的关节对象对于实际机器人而言是一项关键但具有挑战性的任务。本文提出了一个新颖的部件导向的 3D RL 框架，可以在没有示范的情况下学习操纵关节对象。实验结果在仿真环境和真实世界环境中证明了我们框架的有效性。
PDF2 months ago
SculptDiff：从人类学习具有目标条件扩散策略的机器人粘土雕塑
提出了一种基于扩散的目标条件下的模仿学习框架，使用点云状态观测直接学习各种目标形状的粘土雕塑策略，这是首个成功学习 3D 可变形物体操纵策略的真实世界方法。
PDF4 months ago
深度强化学习中的时序索引作为顺序操控任务的归纳偏差
通过顺序执行不同的动作头部来学习原始技能，我们提出了一种有助于完成操作任务所需的技能学习的策略结构，在 Metaworld 任务上的测试表明，这种简单的结构优于标准策略学习方法，突显了其改进技能获取的潜力。
PDF6 months ago
人在环路强化学习的小样本偏好学习
使用多任务学习来实现基于人类反馈的强化学习，通过将偏好模型训练在以前的任务数据上，我们仅需要很少的查询就可以在 Meta-World 中训练出具有更好效果的机器人策略模型。
PDF2 years ago
使用本地动态模型的视觉预测
本文介绍了一种通过 Local Dynamics Model 和无模型策略学习相结合的方式有效地学习状态转移函数从而能够解决一步先见规划的复杂操纵任务的方法，并在模拟中展示了本方法的优越性。
PDF2 years ago
利用增强学习实现遮挡情况下操纵物体的主动视觉学习
该研究探讨了人工智能代理在存在物体干扰的情况下，学习协同控制夹持器和相机，以强化学习策略来完成目标。其中，手 / 眼控制器通过物体中心化注意力结构进行处理，学习如何移动相机来保证物体始终在视野内，并与夹持器协同完成任务。此外，环境难度的课程
PDF6 years ago