关键词real-world robotic manipulation
搜索结果 - 3
- 自动化现实世界机器人:利用视觉语言模型操控一切
Manipulate-Anything 是一种可扩展的自动化生成方法,在没有特权状态信息、手动设计的技能的情况下,在真实环境中操作任何静态物体,其生成的演示数据可以用于生成鲁棒的行为克隆策略。
- 稳定对比强化学习:离线目标达成技术
通过对比强化学习问题的先前对比方法,我们发现,结合谨慎的权重初始化和数据增强,使用浅而宽的架构可以显著提高这些对比强化学习方法在挑战性的模拟基准测试中的性能,并且可以通过这些设计决策解决实际的机器人操作任务。
- 可组合的深度强化学习在机器人操作中的应用
本研究探讨软 Q-learning 方法在真实世界机器人操作中的应用,证明软 Q-learning 方法比先前的模型自由深度强化学习方法具有更高的采样效率,并且可以通过将学习到的策略组合创建新的策略,从而在真实世界机器人操作中提供高效的工具